文献

J-GLOBAL ID：202002270083176289   整理番号：20A1150313

異種分類器アンサンブルに基づくインクリメンタル学習アルゴリズム【JST・京大機械翻訳】

Incremental Learning Algorithm Based on Heterogeneous Classifier Ensemble

著者 (2件)： Xiong Lin (重慶師范大学 計算机与信息科学学院,重慶,401331) ,  Tang Wanmei (重慶師范大学 計算机与信息科学学院,重慶,401331)
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 56  号： 7  ページ： 155-161  発行年： 2020年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： インクリメンタル学習に統合学習のアイデアを取り入れることは,学習効果を著しく向上させることができるが,近年,統合的インクリメンタル学習に関する多くの研究は,重み付き投票方式を採用して,複数の同質分類装置を結合させ,増分学習における安定-可塑性難題をよく解決しなかった。不均一分類装置のためのインクリメンタル学習アルゴリズムを提案した。本アルゴリズムは,訓練の間,モデルをより安定させ,そして,新しいデータによって,複数のベース分類装置を,異種統合モデルに加え,そして,局所的に敏感なハッシュテーブルを用いて,サンプル近隣の探索を保存した。絶えず変化するデータに適応するため、新たに獲得したデータ更新集成モデルにおける基分類器の投票重みを更新する。測定サンプルに対してカテゴリー予測を行う場合、局部敏感ハッシュ表に測定サンプルと類似するデータを橋とし、計算基分類器は当該測定サンプルに対する動的重みを計算し、複数の基分類器の投票重みと動的重みと合わせて、測定サンプルの所属カテゴリを判定した。比較実験により,増分アルゴリズムは,高い安定性と一般化能力を持つことを証明した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  塑性 ,  *学習 ,  分類装置 ,  投票 ,  比較試験 ,  データ更新 ,  コーパス
準シソーラス用語： 学習効果 ,  ハッシュテーブル ,  分類会計機 ,  *インクリメンタル学習 , 【Automatic Indexing@JST】

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (4件)： 分類器 ,  アンサンブル ,  インクリメンタル学習 ,  アルゴリズム