文献

J-GLOBAL ID：202002210440760196   整理番号：20A2064200

ゲノムデータセットのための高次元特徴選択【JST・京大機械翻訳】

High-dimensional feature selection for genomic datasets

著者 (2件)： Afshar Majid (Department of Computer Science, Memorial University of Newfoundland, St. John’s, NL, Canada) ,  Usefi Hamid (Department of Mathematics and Statistics, Memorial University of Newfoundland, St. John’s, NL, Canada)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 206  ページ： Null  発行年： 2020年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 機械学習とパターン認識における中心問題は,最も重要な特徴を認識するプロセスである。本論文では,まず無関係な特徴を除去し,残りの特徴間の相関を検出する新しい特徴選択法(DRPT)を提供した。D=[A|b]はデータセットであり,bはクラスラベルであり,Aはカラムが特徴である行列である。Ax=bを最小二乗法とAの擬似逆を用いて解いた。xの各成分は,対応するカラム(特徴)に割り当てられた重量として見ることができる。xの局所最大値に基づく閾値を定義し,その重みが閾値よりも小さい特徴を除去した。縮小行列における相関を検出するために,Aをまだ呼んだAの摂動Aを考察した。相関がΔx=|x-x|で符号化され,xがAx=bの最小二乗解であることを証明する。まず,Δxに基づく特徴をクラスタ化し,次に特徴のエントロピーを用いた。最後に,その重みとエントロピーに基づいて各サブクラスタから特徴を選択した。DRPTの有効性を,9,117から267,604の特徴にわたる10の遺伝データセットにわたる7つの最先端の特徴選択法との比較を実行することによって確かめた。その結果,DRPTの性能は,各特徴選択アルゴリズムと比較して,いくつかの側面において有利であることを示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  エントロピー ,  最小二乗法 ,  摂動論 ,  パターン認識 ,  遺伝 ,  クラスタ化 ,  *ゲノム ,  *特徴選択 ,  *高次元 ,  有効性 ,  摂動 ,  次元縮小 ,  機械学習 ,  特異値分解

著者キーワード (6件)： 特徴選択 ,  次元縮小 ,  摂動論 ,  特異値分解 ,  疾患診断 ,  分類

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： ゲノム ,  データセット ,  高次元 ,  特徴選択