文献

J-GLOBAL ID：202202216822516487   整理番号：22A0965495

多基準適応度評価と選択による遺伝的プログラミングによる高次元不均衡バイナリ分類【JST・京大機械翻訳】

High-Dimensional Unbalanced Binary Classification by Genetic Programming with Multi-Criterion Fitness Evaluation and Selection

著者 (4件)： Pei Wenbin (School of Engineering and Computer Science, Victoria University of Wellington, PO Box 600, Wellington 6140, New Zealand) ,  Xue Bing (School of Engineering and Computer Science, Victoria University of Wellington, PO Box 600, Wellington 6140, New Zealand) ,  Shang Lin (State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing 210093, China) ,  Zhang Mengjie (School of Engineering and Computer Science, Victoria University of Wellington, PO Box 600, Wellington 6140, New Zealand)
資料名： Evolutionary Computation  (Evolutionary Computation)
巻： 30  号： 1  ページ： 99-129  発行年： 2022年 
JST資料番号： W0726A  ISSN： 1063-6560  資料種別： 逐次刊行物 (A)
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： 高い次元とクラス不均衡の共同効果のため,高次元不均衡分類は挑戦的である。遺伝的プログラミング(GP)は,有益な特徴を選択するためのビルトイン能力により,高次元分類における使用に対する潜在的利点を有する。しかし,一旦データが均等に分布されないと,GPは,多数クラスで高精度を達成するが,少数クラスでは低い精度を達成する偏った分類器を開発する傾向がある。残念なことに,少数クラスは,多くの場合,大部分のクラスとして少なくとも重要である。GPが高次元不均衡分類に有効に利用できる方法を研究することは重要である。本論文では,GPの性能バイアス問題に取り組むために,2つの基準,すなわち,曲線(AUC)下の面積の近似と分類明瞭度(すなわち,プログラムが2つのクラスを分離できる方法)を考慮する,新しい2基準適応度関数を開発した。2つの基準に関する得られた値を,それらを一緒に合計する代わりに,対に組み合わせた。さらに,本論文では,進化学習過程中に子孫を生成するための遺伝的オペレータにより使用される良好なプログラムを効果的に同定および選択するための3基準トーナメント選択を設計した。実験結果は,提案方法が他の比較方法より良い分類性能を達成することを示した。Copyright 2022 Massachusetts Institute of Technology Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データ ,  オペレータ ,  分類 ,  精度 ,  選択 ,  *遺伝 ,  バイアス ,  問題 ,  *高次元 ,  *遺伝的プログラミング
準シソーラス用語： 不均衡 ,  学習過程 ,  高精度 ,  適応度 ,  クラス不均衡 , 【Automatic Indexing@JST】

著者キーワード (4件)： 分類 ,  遺伝的プログラミング ,  高次元性 ,  クラス不均衡

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (7件)： 多基準 ,  適応度 ,  評価 ,  遺伝的プログラミング ,  高次元 ,  均衡 ,  バイナリ分類