文献

J-GLOBAL ID：202102257909090570   整理番号：21A0009172

局所近傍信頼性重み付きサポートベクトルマシン【JST・京大機械翻訳】

Local Neighborhood Reliability Weighted Support Vector Machine

著者 (4件)： Gao Yunlong (Xiamen University,Department of Automation,Xiamen,China) ,  Zhang Yisong (Xiamen University,Department of Automation,Xiamen,China) ,  Chen Baihua (Xiamen University,Department of Automation,Xiamen,China) ,  Xiong Yuhui (Xiamen University,Department of Automation,Xiamen,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IAI  ページ： 1-6  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： サポートベクトルマシン(SVM)は分類モデルであり,特徴空間におけるマージンを最大化する決定表面を学習する。このような決定表面は,未知の新しいサンプルに対して良好な分類能力を持っている。実世界アプリケーションにおいて,データセットは通常多くのノイズと異常値を含み,それは決定表面の学習に影響して,このように,最大マージンは得られず,SVMの一般化能力は減少するだろう。本論文では,各点間の局所近傍関係を特徴付けるために,各入力点に隣接因子を導入した。隣接因子による各サンプルポイントの重み付けは,異なるサンプルポイントを決定表面の学習に異なる寄与をする。このように,著者らは,この重みづけ方法によって決定表面に及ぼすノイズと異常値の影響をフィルタリングすることができた。局所近傍信頼性加重サポートベクトルマシン(LN-SVM)を提案した。Copyright 2021 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： 雑音 ,  *信頼性 ,  フィルタリング ,  応用プログラム ,  異常値 ,  重みづけ ,  *サポートベクトルマシン
準シソーラス用語： 特徴空間 ,  分類モデル ,  サンプリング点 , 【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 (2件)： 近傍 ,  サポートベクトルマシン