文献

J-GLOBAL ID：202002233959948050   整理番号：20A1943524

欲張り探索によるTANの構造拡張【JST・京大機械翻訳】

Structure Extension of TAN Through Greedy Search

著者 (3件)： Li Runhua (Jilin University, Jilin Province, China) ,  Zhong Guojing (Jilin University, Jilin Province, China) ,  Wang Limin (Jilin University, Jilin Province, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICCPR ’18  ページ： 27-34  発行年： 2018年 
JST資料番号： D0698C  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： Naive Bayes(NB)は,分類タスクに対してその有効かつ比較的高い精度のためによく知られている。しかし,各属性が独立であるその強い仮定は,その予測精度を低下させる。この仮定を弱めるために,いくつかの研究者は属性間の相互依存性の限られた数を可能にすることを提案した。これらの試みの1つは,ツリーAugmented Naive Bayes(TAN)であり,その優れた性能のためのBayesネットワーク分類器(BNCs)における最適1依存性分類器でもある。しかし,TANは,属性間のより多くの相互依存性が表現されるべきならば,さらに2依存性に促進できない。所望の依存性が見出されているので,その方向が正しく設定されないならば,任意に構造への付加がサイクルの出現を引き起こすかもしれない。それらの因子は,TANの分類精度を,非常に広範囲に制限した。TANによって生成された条件付き相互情報行列に greedy欲探索アルゴリズムを適用し,属性間のすべての有意な依存性を見出し,次にそれらの方向を設定するために新しく定義された測度を用いて,提案した。この方法で,TANをより高い依存性に拡張でき,kTANを名付けることができ,ここでkは各属性の許容依存性の数を制御する。経験的研究は,kTANが,複雑性の許容可能なコストで分類精度に関してTANに対して有意に優位性を持つことを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *測度
準シソーラス用語： 予測精度 ,  信念ネットワーク ,  探索アルゴリズム ,  複雑性 ,  分類精度 , 【Automatic Indexing@JST】

著者キーワード (3件)： Bayesネットワーク ,  欲張り探索 ,  ツリー拡張ナイーブBayes

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 (2件)： 探索 ,  拡張