文献

J-GLOBAL ID：202202236845037083   整理番号：22A1175381

DRCW-FRkNN-OVO:1対1スキームのための固定半径k最近傍に基づく距離ベース関連能力重みづけ【JST・京大機械翻訳】

DRCW-FRkNN-OVO: distance-based related competence weighting based on fixed radius k nearest neighbour for one-vs-one scheme

著者 (3件)： Zhang Zhong-Liang (School of Management, Hangzhou Dianzi University, Hangzhou, China) ,  Luo Xing-Gang (School of Management, Hangzhou Dianzi University, Hangzhou, China) ,  Zhou Qing (School of Management, Hangzhou Dianzi University, Hangzhou, China)
資料名： International Journal of Machine Learning and Cybernetics  (International Journal of Machine Learning and Cybernetics)
巻： 13  号： 5  ページ： 1441-1459  発行年： 2022年 
JST資料番号： W4478A  ISSN： 1868-8071  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： 1対1(OVO)二値化分解スキームは,マルチクラス分類問題を扱うための最も効果的な技術の一つと考えられている。その固有の機構は,マルチクラス分類問題をできるだけ容易に解決できるバイナリサブ問題とできるだけ多くのペアに分解するために,「分割統治」戦略を使用することである。OVO方式における1つの一般的問題は,非適格分類器のものである。本研究では,DRCW-FRkNN-OVOと名付けた新しいOVOスキーム戦略を提案し,非可給性分類器のマイナス効果を低減した。特に,能力の領域の定義に焦点を当て,それは非適格分類器を管理する際に重要な役割を果たす。非適格分類器の管理中のスキューとスパース分布の問題を克服するために,固定半径最近傍探索による相対能力重みづけ組合せ法を開発し,クエリサンプルに対する各クラス内の局所領域を見出した。提案したDRCW-FRkNN-OVOを,いくつかのよく知られた関連研究と比較して,30の実世界マルチクラスデータセットで試験した。徹底的な統計解析によって支持された実験結果は,提案した方法の有効性とロバスト性を確認した。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, 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： 学習 ,  分類 ,  分類装置 ,  分解 ,  組合せ ,  変換 ,  *植物利用性 ,  問題 ,  重みづけ ,  有効性 ,  ロバスト性 ,  ゆがみ ,  近傍探索法
準シソーラス用語： クエリー ,  ガバナンス ,  二値化 , 【Automatic Indexing@JST】

著者キーワード (6件)： マルチクラス分類 ,  二値化分解 ,  ワン対ワン ,  非適格分類装置 ,  ペアワイズ学習 ,  動的選択

分類 (3件)： パターン認識  (JE07000S) ,  数値計算  (JE02000J) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： スキーム ,  半径 ,  能力 ,  重みづけ