文献

J-GLOBAL ID：202002238899817604   整理番号：20A0277924

決定点プロセスサンプリングによるロバスト近傍被覆低減【JST・京大機械翻訳】

Robust Neighborhood Covering Reduction with Determinantal Point Process sampling

著者 (5件)： Yue Xiaodong (School of Computer Engineering and Science, Shanghai University, Shanghai, 200444, China) ,  Yue Xiaodong (Shanghai Institute for Advanced Communication and Data Science, Shanghai University, Shanghai, 200444, China) ,  Xiao Xiao (School of Computer Engineering and Science, Shanghai University, Shanghai, 200444, China) ,  Chen Yufei (College of Electronics and Information, Tongji University, Shanghai, 200092, China) ,  Qian Jin (School of Computer Engineering, Jiangsu University of Technology, Changzhou, 213015, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 188  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： 近傍被覆低減(NCR)法は,冗長な近隣をフィルターにかけて,雑音に敏感であるために,あまりにも堅い。この問題に取り組むために,本論文では,決定点プロセス(DPP)サンプリングに基づく柔軟な近傍縮小法を提案した。DPPからのサンプリング,サブセット選択の確率はアイテムの相関行列から計算され,多様なアイテムのサブセットは高い確率に割り当てられる。著者らは,DPPとして近傍選択のプロセスをモデル化して,それによって,DPP近傍サンプリング(NCRDPP)によってNCRアルゴリズムを実行した。NCRDPPは,データ分布の近似として簡潔なカバーを形成するために,高品質と多様性の両方の有意な近隣を選択する。それは,近傍ベースの学習のモデル一般化とロバスト性を容易にする。実験結果により,近傍選択に対するDPPサンプリングの優位性と雑音データ分類に対するNCRDPP法のロバスト性を検証した。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： 部分集合 ,  モデリング ,  雑音 ,  *被覆 ,  フィルタ ,  アルゴリズム ,  冗長性 ,  *ロバスト性
準シソーラス用語： データ分類 ,  高品質 ,  相関行列 , 【Automatic Indexing@JST】

著者キーワード (2件)： 近傍被覆低減 ,  決定点過程

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)： プロセス ,  サンプリング ,  ロバスト ,  近傍