文献

J-GLOBAL ID：202102266308331839   整理番号：21A0891266

改良型密度ベースサポートベクトルマシン(DBSVM)【JST・京大機械翻訳】

An Improved Density Based Support Vector Machine (DBSVM)

著者 (4件)： EL MOUTAOUAKIL KARIM (USMBA,Engineering Science Laboratory (LSI), Faculty Polydisciplinary,Taza,Morocco) ,  EL OUISSARI ABDELLATIF (USMBA Taza, Morocco,Engineering Science Laboratory(LSI), Faculty Polydisciplinary,Taza,Morocco) ,  Touhafi Abdellah (Vrije Universiteit Brussel,Department of Engineering Technologies,Brussels,Belgium) ,  AHARRANE Nabil (USMBA,Engineering Science Laboratory (LSI), Faculty Polydisciplinary,Taza,Morocco)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CloudTech  ページ： 1-7  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,双対性最適化アプローチに基づく分類モデルである。非ゼロLagrange乗数は,マージン決定を構築するために使用するサポートベクターとして選択されたデータに対応する。残念ながら,SVMには2つの主要な欠点がある:雑音と冗長なデータは過剰適合を引き起こす。さらに,局所極小の数は,データの大きさと共に増加し,それがBigデータになると,より悪くなる。これらの短所を克服するために,著者らは3つのステップで実行する密度ベースサポートベクトルマシン(DBVSM)と呼ばれるSVMの新しいバージョンを提案する:まず,著者らは2つのパラメータ,近隣の半径とこの後者のサイズを設定した。第2に,雑音,コードおよび内部という3種類の点を決定した。第3に,著者らはコードデータだけに基づく二重問題を解決した。この選択を正当化するために,コードポイントはサポートベクトルではないことを示した。さらに,カーネル関数はコード点の性質も変化しないことを示した。DBSVMをいくつかのデータセットでベンチマークし,文献における様々な方法と比較した。試験結果は,提案アルゴリズムが,時間,分類性能,および非常に大きなサイズのデータセットに取り組む能力に関して,非常に競争力のある結果を提供できることを証明した。最後に,DBSVMの一貫性を指摘するために,いくつかの試験を,比率および近隣サイズの異なる値に対して実行した。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： アルゴリズム ,  最適化 ,  雑音 ,  双対性 ,  *ベクトル ,  冗長性 ,  Lagrange乗数法 ,  ベンチマーク ,  ベクター ,  *サポートベクトルマシン
準シソーラス用語： Kernel関数 ,  分類モデル , 【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)： 密度 ,  サポートベクトルマシン