文献

J-GLOBAL ID：202202217615872368   整理番号：22A0925202

不均衡分類問題のためのアンサンブル拡張信念ルールベース決定モデル【JST・京大機械翻訳】

An ensemble extended belief rule base decision model for imbalanced classification problems

著者 (6件)： Yang Long-Hao (School of Economics and Management, Fuzhou University, Fuzhou, 350116, China) ,  Ren Tian-Yu (School of Economics and Management, Fuzhou University, Fuzhou, 350116, China) ,  Ye Fei-Fei (School of Public Administration, Fujian Normal University, 350117, China) ,  Nicholl Peter (School of Computing, Ulster University, Northern Ireland, United Kingdom) ,  Wang Ying-Ming (School of Economics and Management, Fuzhou University, Fuzhou, 350116, China) ,  Lu Haitian (School of Accounting and Finance, The Hong Kong Polytechnic University, Hong Kong, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 242  ページ： Null  発行年： 2022年 
JST資料番号： T0426A  ISSN： 0950-7051  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： クラス不均衡は,実世界アプリケーションにおける一般的問題であり,通常,人工知能(AI)ベースの決定モデルに対する大きな課題を提起する。本研究では,拡張信念ルールベース(EBRB)決定モデルと呼ぶ説明可能かつ高速成長ルールベースシステムを利用する新しいアンサンブル決定モデルを導入し,提案したアンサンブルEBRBモデルは2つのコア成分を含む:多様性ベースベースEBRB構築方式と一貫性ベースアンサンブルEBRB推論スキーム。特に,構築方式における多様性を強化する目的で,様々な種類のオーバーサンプリング技術を適用して,まず多様なベースEBRBを構築し,次に情報利得に基づく属性重みの計算を行った。推論方式に関しては,提案したアンサンブルEBRBモデルは,全てのベースEBRBから活性化されるルールを統合するだけでなく,活性化ルールの一貫性を考慮して,推論出力を生成することを目指した。実験的研究において,26の不均衡分類データセットを用いて,提案したアンサンブルEBRB決定モデルの有効性を実証した。結果は,提案モデルが従来のEBRBシステムおよび他の典型的な不均衡分類器より優れていることを実証した。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： システム ,  規則 ,  人工知能 ,  応用プログラム ,  *集合 ,  問題 ,  有効性 ,  推論 ,  属性 ,  *ルールベース
準シソーラス用語： オーバサンプリング ,  不均衡 ,  ルールベースシステム ,  情報利得 ,  クラス不均衡 , 【Automatic Indexing@JST】

著者キーワード (5件)： 信念ルールベース ,  不均衡分類 ,  多様性 ,  矛盾 ,  オーバーサンプリング

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 均衡 ,  分類 ,  問題 ,  アンサンブル ,  拡張 ,  信念 ,  ルールベース ,  モデル