文献

J-GLOBAL ID：202002225459816862   整理番号：20A0909955

ハイパーグラフモデルに基づく部分標識データのための属性削減【JST・京大機械翻訳】

Attribute Reduction for Partially Labeled Data Based on Hypergraph Models

著者 (4件)： Xie Xiaojun (Nanjing University of Aeronautics and Astronautics) ,  Qin Xiaolin (Nanjing University of Aeronautics and Astronautics) ,  Huang Guangmei (Guangxi Normal University) ,  Zhao Wei (McMaster University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICTAI  ページ： 1434-1439  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 属性縮小は,知識発見,データマイニング,機械学習,パターン認識などの多くの分野における重要なプロセスである。しかしながら,全体的にラベルされたデータは,実生活で得ることが非常に困難である。したがって,すべてのデータが前もってラベルと関連していない状況に直面しなければならない。ラベル付きデータとラベル付けされていないデータの共存により,部分的にラベルされたデータに対する属性低減問題はより複雑で挑戦的になる。多くの学者は,過去数年間にこの問題を解決することを検討げてきた。しかし,部分的にラベルされたデータのための現在のアルゴリズムは,時間複雑性の観点から十分に効率的でない。この問題に対処するために,部分的にラベルされた決定システムから2種類の誘導ハイパーグラフを設計するハイパーグラフモデルを提案した。次に,超グラフの最小頂点カバーを計算するために,低複雑性発見法に基づく高速アルゴリズムを上げた。最後に,部分的にラベル付けされた決定システムのための2つのタイプのハイパーグラフモデルベースの属性縮小アルゴリズムを提案した。広く使われているデータセットに関する実験結果は,提案したアルゴリズムの実現可能性と効率性を示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. 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 ,  パターン認識 ,  高速アルゴリズム ,  *超グラフ ,  機械学習 ,  データマイニング ,  知識発見
準シソーラス用語： モデルベース ,  複雑性 ,  低複雑性 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 標識 ,  属性