文献

J-GLOBAL ID：202202217107781169   整理番号：22A0832029

順序集合に基づく分類器アンサンブル枝刈りのための発見的メトリックスの解析【JST・京大機械翻訳】

An analysis of heuristic metrics for classifier ensemble pruning based on ordered aggregation

著者 (5件)： Mohammed Amgad M. (Faculty of Engineering, University of Deusto, Bilbao, Spain) ,  Mohammed Amgad M. (Faculty of Computers and Information, Menoufia University, Menoufia, Egypt) ,  Onieva Enrique (Faculty of Engineering, University of Deusto, Bilbao, Spain) ,  Wozniak Michal (Faculty of Electronics, Wroclaw University of Science and Technology, Wroclaw, Poland) ,  Martinez-Munoz Gonzalo (Universidad Autonoma de Madrid, Cantoblanco, Madrid 28049, Spain)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 124  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  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： 分類器アンサンブル剪定は,あらかじめ定義された性能基準を最適化することにより,サブアンサンブルを同定できる戦略である。最適または準最適サブアンサンブルの選択は初期アンサンブルサイズを減少させ,その予測性能を増加させる。本論文では,発見的メトリックスの集合を,剪定プロセスを誘導するために解析した。分析した計量は,待ち行列アルゴリズムにおける分類器の次数を修正することに基づき,待ち行列における最初のセットを選択した。これらの基準のいくつかは,一般的精度,決定の相補性,アンサンブル多様性,サンプルのマージン,最小冗長性,判別分類器,およびマージンハイブリッド多様性を含む。これらのメトリックスの有効性は,元のアンサンブルサイズ,必要なサブアンサンブルサイズ,個々の分類器の種類,クラス数に影響される。効率は,計算コストとメモリ空間要求に関して測定した。それらのメトリックスの性能を,それぞれ,15のバイナリと15のマルチクラスベンチマーク分類タスクで評価した。さらに,ランダム性に対するこれらの計量の挙動を,中央値周辺のそれらの精度の分布に関して測定した。結果は,規則化凝集が,全体バギング集合の計算およびメモリ複雑性と同様に予測性能の両方を改善するサブアンサンブルを生成する効率的戦略であることを示した。Copyright 2022 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： アルゴリズム ,  記憶装置 ,  凝集 ,  最適化 ,  冗長性 ,  分類 ,  *集合 ,  相補性 ,  *指標 ,  機械学習
準シソーラス用語： ランダム性 ,  順序づけ ,  計算コスト ,  メトリックス ,  性能基準 ,  バイナリー , 【Automatic Indexing@JST】

著者キーワード (8件)： 発見的最適化 ,  アンサンブル選択 ,  アンサンブル pruning定 ,  分類器アンサンブル ,  機械学習 ,  困難な試料 ,  順序づけに基づく枝刈り ,  分類器の相補性

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 順序 ,  集合 ,  分類器 ,  アンサンブル ,  枝刈り ,  発見 ,  メトリックス ,  解析