文献

J-GLOBAL ID：202002290899740077   整理番号：20A2472671

自動閾値によるクラスタリングを用いたアンサンブル特徴選択のための新しい手法【JST・京大機械翻訳】

A Novel Approach for Ensemble Feature Selection Using Clustering with Automatic Threshold

著者 (5件)： Jahan Muhammad Shah (Department of Computer and Software Engineering, College of Electrical and Mechanical Engineering, National University of Sciences and Technology (NUST), Islamabad, Pakistan) ,  Amjad Anam (Department of Computer and Software Engineering, College of Electrical and Mechanical Engineering, National University of Sciences and Technology (NUST), Islamabad, Pakistan) ,  Qamar Usman (Department of Computer and Software Engineering, College of Electrical and Mechanical Engineering, National University of Sciences and Technology (NUST), Islamabad, Pakistan) ,  Riaz Muhammad Talha (Department of Computer and Software Engineering, College of Electrical and Mechanical Engineering, National University of Sciences and Technology (NUST), Islamabad, Pakistan) ,  Ayub Kashif (Department of Computer and Software Engineering, College of Electrical and Mechanical Engineering, National University of Sciences and Technology (NUST), Islamabad, Pakistan)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1280  ページ： 390-401  発行年： 2020年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 特徴選択(FS)はデータ処理パイプラインのコア部分である。FSにおけるアンサンブルの利用は,特徴データセットにおいてより多様性を生み出すことを目指す比較的新しい方法であり,それはよりロバストで正確な結果と同様により良い性能を提供する。凝集ステップは各FS法の出力を結合し,単一特徴部分集合を生成する。本論文では,FS”EFSCAT”のための新しいアンサンブル法を提案して,すべての特徴をランク付けし,次に最も関連する特徴をクラスタ化した。ランキングのサイズを減らすために,あらゆるランクにおける自動閾値を導入する。この追加閾値化ステップは,Rankerによって最初にランク付けされた低ランク特徴のカットオフのため,計算効率を改善するであろう。次に,平均シフトクラスタ化を用いて,各ランクの結果を比較した。凝集のプロセスは,非常に効率的になるであろう。「EFSCAT」は分類をよりロバストで安定にする。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 凝集 ,  クラスタ化 ,  *特徴選択 ,  データ処理 ,  等級づけ ,  ロバスト性
準シソーラス用語： 計算効率 ,  アンサンブル法 , 【Automatic Indexing@JST】

著者キーワード (4件)： 特徴選択 ,  アンサンブル特徴選択 ,  クラスタリング ,  自動閾値

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 (5件)： 閾値 ,  クラスタリング ,  アンサンブル ,  特徴選択 ,  手法