文献

J-GLOBAL ID：202102256006914345   整理番号：21A2870064

不完全ラベルを持つデータを扱うための信念関数を用いた多重多様な分類器の組合せ【JST・京大機械翻訳】

Combination of multiple diverse classifiers using belief functions for handling data with imperfect labels

著者 (5件)： Tabassian Mahdi (Faculty of Electrical and Computer Engineering, Babol University of Technology, Shariatee St., P.O. Box 484, Babol, Iran) ,  Tabassian Mahdi (School of Cognitive Sciences, Institute for Research in Fundamental Sciences (IPM), Niavaran Sq., P.O. Box 19395-5746, Tehran, Iran) ,  Ghaderi Reza (Faculty of Electrical and Computer Engineering, Babol University of Technology, Shariatee St., P.O. Box 484, Babol, Iran) ,  Ebrahimpour Reza (School of Cognitive Sciences, Institute for Research in Fundamental Sciences (IPM), Niavaran Sq., P.O. Box 19395-5746, Tehran, Iran) ,  Ebrahimpour Reza (Brain and Intelligent Systems Research Lab, Department of Electrical and Computer Engineering, Shahid Rajaee Teacher Training University, P.O. Box 16785-163, Tehran, Iran)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 39  号： 2  ページ： 1698-1707  発行年： 2012年 
JST資料番号： W0178A  ISSN： 0957-4174  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： 本論文では,訓練データのクラスメンバーシップが多義性に従う教師つき学習に取り組んだ。この問題は,アンサンブル学習と証拠フレームワークのDempster-Shafer理論に取り組まれている。訓練データの初期ラベルは無視し,主要クラスプロトタイプを利用して,各訓練パターンを,クラスラベルに関する曖昧さのレベルに基づいて,1クラスまたは主要クラスの部分集合に再割り当てた。多層パーセプトロンニューラルネットワークを用いて,新しいラベルを持つデータの特性を学習し,与えられたテストパターンに対して,その出力を基本的な信念割当てとして考察した。人工および実データを用いた実験は,学習データのラベルにおける曖昧さを考慮することが,初期不完全ラベルを持つデータを用いて分類問題を解く単一およびアンサンブル分類器よりも良好な分類結果を提供できることを示した。Copyright 2021 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： ニューラルネットワーク ,  多義性 ,  教師つき学習 ,  テストパターン ,  *多重化 ,  曖昧さ
準シソーラス用語： Dempster-Shafer理論 ,  訓練データ ,  アンサンブル学習 ,  *信念関数 ,  アンサンブル分類器 ,  多層パーセプトロンニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 不完全なラベルを持つデータ ,  アンサンブル学習 ,  信念関数フレームワーク ,  分類器選択 ,  ニューラルネットワーク

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： ラベル ,  信念関数 ,  多重 ,  分類器 ,  組合せ