文献

J-GLOBAL ID：202002230594887186   整理番号：20A1112552

マルチ造粒コンセンサスファジィラフベース属性削減【JST・京大機械翻訳】

Multigranulation consensus fuzzy-rough based attribute reduction

著者 (3件)： Ding Weiping (School of Information Science and Technology, Nantong University, Nantong 226019, China) ,  Wang Jiandong (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China) ,  Wang Jiehua (School of Information Science and Technology, Nantong University, Nantong 226019, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 198  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： 大規模なデータは,しばしばかなりの量の非構造化,不正確,不確実なデータを含むので,ファジィ粗さベースの属性低減は不確実性推論とデータマイニングのための価値ある技術である。しかしながら,伝統的ファジィラフ集合アルゴリズムはすべてのデータ相関を考慮し,計算とメモリ空間資源のための挑戦的要求をもたらす可能性がある。本論文において,著者らは,大きいデータ解析のための新しい多粒化Consensusファジィラフ属性推論(MCFR)アルゴリズムを提案した。それは,異なるマルチ造粒重みづけによる並列計算のための複数ノードにタスクを割り当て,属性低減のための合理的な粒状サブ集団を生成する。自己進化コンセンサス方式による多重造粒マージンモデルを構築し,それにより,スーパーリストを,並列正領域を計算するために,重み付きマージン行列を用いて,異なる多粒化個体群に分類した。このモデルにより,粗大化から微細化への協調的挙動を持つ超エリートを実現することができる。カスケード交差共進化的多粒化学習モデルは,多重造粒柔軟閾値を有するより効率的な共進化属性分類を利用する。ここでは,動的大規模データ分類タスクを扱うためのより良い目的関数値を得るために,粒状サブ集団におけるリストの染色体を探索するために,超エリート交差学習戦略を採用した。著者らの実験結果は,MCFRが,雑音を増加させることにより,大きなデータセットに対する不確実性とファジィ属性低減問題に対処することにおいて,高性能を達成できることを実証した。著者らはまた,グローバルおよび組織レベルの両方で新生児脳組織のFMRIsを自動的にセグメント化するためにそれを用いることによってMCFRの実用化を実証する。結果はエキスパートマニュアル分類と良く一致し,新生児脳FMRIsからの疾患予測の医学的意思決定支援問題に対する新しい方法を導入した。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 ,  記憶装置 ,  雑音 ,  学習 ,  学習モデル ,  セグメンテーション ,  *不確実性 ,  染色体 ,  新生児 ,  多重化 ,  並列演算 ,  目的関数 ,  個体群 ,  データマイニング
準シソーラス用語： データ分類 , 【Automatic Indexing@JST】

著者キーワード (5件)： マルチ造粒モデル ,  ファジィラフ集合理論 ,  属性削減 ,  共進化学習 ,  新生児脳FMRIS

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (3件)： マルチ ,  造粒 ,  属性