文献

J-GLOBAL ID：202202233515565997   整理番号：22A0450497

クラス内散乱最小化に基づくマルチクラス分類のための識別最小二乗回帰【JST・京大機械翻訳】

Discriminative least squares regression for multiclass classification based on within-class scatter minimization

著者 (3件)： Ma Jiajun (School of Mathematics and Statistics, Xidian University, Xi’an, Shaanxi, China) ,  Ma Jiajun (College of Mathematics and Computer Application, Shangluo University, Shangluo, Shaanxi, China) ,  Zhou Shuisheng (School of Mathematics and Statistics, Xidian University, Xi’an, Shaanxi, China)
資料名： Applied Intelligence  (Applied Intelligence)
巻： 52  号： 1  ページ： 622-635  発行年： 2022年 
JST資料番号： W0297A  ISSN： 0924-669X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 最小二乗回帰は,コンパクト形式と効率的解のため,パターン分類において広く使われてきた。しかし,2つの主な問題は,マルチクラス分類問題を解くためのその性能を制限する。最初のものは,回帰ターゲットとしてハード離散ラベルを用いることは,マルチクラス分類に不適当である。第2のものは,インスタンスのクラス内類似性を無視して,過剰適合をもたらす一方で,目標マトリックスにインスタンスを厳密に当てはめることだけに焦点を合わせることである。この問題に取り組むために,クラス内散乱最小化(WCSDLSR)に基づくマルチクラス分類のための識別最小二乗回帰を提案した。特に,ε-抗力技術を最初に導入し,ハード離散ラベルをスラックソフトラベルに緩和し,ソフトラベルのクラス間マージンをできるだけ大きく拡大した。次に,ソフトラベルに対するクラス内散乱を正則化項として構築し,互いに近い同じクラスの変換インスタンスを作った。これらの因子は,WCSDLSRが分類のためのよりコンパクトで弁別的変換を学習することができ,従って,過剰適合問題を避けることができる。さらに,提案したWCSDLSRは,より低い計算コストで各反復で閉形式解を得ることができる。ベンチマークデータセットに関する実験結果は,提案したWCSDLSRがより低い計算コストでより良い分類性能を達成することを実証した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 抗力 ,  *最小二乗法 ,  *散乱 ,  パターン分類 ,  正則化 ,  類似性 ,  ベンチマーク
準シソーラス用語： 計算コスト ,  閉形式解 , 【Automatic Indexing@JST】

著者キーワード (4件)： 識別最小二乗回帰 ,  転倒 ,  クラス内散乱 ,  マルチクラス分類

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： クラス ,  散乱 ,  最小化 ,  マルチ ,  クラス分類 ,  識別 ,  最小二乗