文献

J-GLOBAL ID：202202277341396131   整理番号：22A0478796

動的グラフ制約による非負マルチラベル特徴選択【JST・京大機械翻訳】

Non-negative multi-label feature selection with dynamic graph constraints

著者 (2件)： Zhang Yao (School of Science, Xi’an Polytechnic University, Shaanxi 710048, China) ,  Ma Yingcang (School of Science, Xi’an Polytechnic University, Shaanxi 710048, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 238  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： 特徴選択は,次元災害と戦うことができ,分類アルゴリズムの性能を向上させることができるので,マルチラベル特徴選択はマルチラベル学習の必須部分であり,広く注目されている。多くの既存のマルチラベル特徴選択法は,ラベル間の相関を考慮しないか,または,ラベル情報の損失につながる特徴選択プロセスを誘導するための論理的ラベルを直接使用する。本論文では,この問題に対処するために動的グラフ制約を持つ非負マルチラベル特徴選択(NMDG)を提案した。NMDGモデルにおいて,元のデータ空間を,擬似ラベルマトリックスを構築するために線形回帰によって低次元多様体空間に投影した。擬似ラベルマトリックスは,非負制約とラベルグラフマトリックスを結合することによって,元のデータと同じトポロジー構造を有した。次に,擬似ラベル行列のロバスト低次元空間を用いて動的グラフ行列を構築し,特徴多様体と結合して特徴重み行列の学習を誘導した。最後に,提案した方法を解くための交互最適化に基づく反復アルゴリズムを設計し,収束証明を与えた。7つの代表的方法と比較して,10の現実のマルチラベルデータセットに関する実験結果は,提案した方法の有効性を示した。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： 位相幾何学 ,  最適化 ,  多様体 ,  学習 ,  教師つき学習 ,  グラフ行列 ,  *特徴選択 ,  有効性 ,  ロバスト性
準シソーラス用語： 線形回帰 ,  分類アルゴリズム ,  反復アルゴリズム ,  多様体学習 ,  低次元 ,  Laplacian行列 , 【Automatic Indexing@JST】

著者キーワード (5件)： マルチラベル学習 ,  特徴選択 ,  教師付き学習 ,  多様体学習 ,  ラプラシアン行列

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： グラフ ,  制約 ,  マルチ ,  ラベル ,  特徴選択