文献

J-GLOBAL ID：202002256233138631   整理番号：20A2083404

強化電磁的アルゴリズムによるクラスタリングと主成分分析に基づく多目的特徴選択【JST・京大機械翻訳】

Multi-Objective Feature Selection based on Clustering and Principal Component Analysis by Enhanced Electromagnetic-likes Algorithm

著者 (4件)： Abdolrazzagh Majid (University of Qaenat,Department of Computer Engineering,Qaen,Iran) ,  Pour Mahyabadi Shokooh (Islamic Azad University,Department of Computer Engineering,Birjand,Iran) ,  Jalali-Poor Somaye (Islamic Azad University,Department of Computer Engineering,Birjand,Iran) ,  Budhiarti Nababan Erna (Universitas Sumatera Utara,Department of Information Technology,Medan,Indonesia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： DATABIA  ページ： 45-54  発行年： 2020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： データの急速な成長とデータマイニングとパターン抽出技術の減少した実装品質を考えると,特徴削減の利用はデータマイニングとパターン認識の重要な挑戦になった。データ削減技術の重要な目標は,最小努力を行い,データマイニングプロセスの実装のためのデータ選択の最大効率を達成することである。特徴選択の2つの主要な目的は,縮小部分集合で同定されたパターンの誤差を最小化し,特徴の数を最小化することである。利用可能な特徴選択アルゴリズムの大部分は単一目的手法を採用する。これは教師なし隠れパターンの識別子として使用されたクラスタリングに焦点を当てた最初の論文である。また,主成分分析(PCA)に焦点を当て,特徴の値を分析した。新しい多目的特徴選択問題の目標はPCAの係数を最小化し,k-medoidクラスタリングの精度を最大化し,選択した特徴の数を最小化することである。本研究のもう一つの革新は,電磁気様機構(EM)アルゴリズムを用いて最良の性能における特徴の最良の部分集合を選択することであった。提案した方法を14の標準UCIデータセットで試験した。結果は,このアルゴリズムの競合優位性が,この問題を解決するために実行した他のアルゴリズムより,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 ,  *クラスタ化 ,  *特徴選択 ,  電磁気 ,  *主成分分析 ,  データマイニング
準シソーラス用語： パターン抽出 ,  識別子 ,  データ選択 , 【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 (6件)： 強化 ,  アルゴリズム ,  クラスタリング ,  主成分分析 ,  多目的 ,  特徴選択