文献

J-GLOBAL ID：201702228861945438   整理番号：17A0456780

正とラベルなしマルチグラフ学習【Powered by NICT】

Positive and Unlabeled Multi-Graph Learning

著者 (5件)： Wu Jia (Centre for Quantum Computation and Intelligent Systems, Faculty of Engineering and Information Technology, University of Technology Sydney, Sydney, NSW, Australia) ,  Pan Shirui (Centre for Quantum Computation and Intelligent Systems, Faculty of Engineering and Information Technology, University of Technology Sydney, Sydney, NSW, Australia) ,  Zhu Xingquan (Department of Computer and Electrical Engineering and Computer Science, Florida Atlantic University, Boca Raton, FL, USA) ,  Zhang Chengqi (Centre for Quantum Computation and Intelligent Systems, Faculty of Engineering and Information Technology, University of Technology Sydney, Sydney, NSW, Australia) ,  Wu Xindong (Department of Computer Science, University of Vermont, Burlington, VT, USA)
資料名： IEEE Transactions on Cybernetics  (IEEE Transactions on Cybernetics)
巻： 47  号： 4  ページ： 818-829  発行年： 2017年 
JST資料番号： W0791A  ISSN： 2168-2267  CODEN： ITCEB8  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,複雑なオブジェクトのためのマルチグラフ学習を扱うためにグラフ分類を前進させ,各物体は一つのグラフのバッグとして表現され,ラベルである各バッグが個々のグラフに利用できるだけである。添加では,分類器を訓練する際,ユーザは正のバッグと多くの非標識バッグの少数のみを投与し,学習目的は,未知グラフバッグを分類最大精度でモデルを訓練することである。目標を達成するために,ここではまず,グラフ変換特徴空間に有益な部分グラフを選択するために正とラベル付けされていないマルチグラフ学習(puMGL)フレームワークを提案した。学習のためのラベル付けされていない袋を利用するために,puMGLは各バッグへの信頼重みを与えると数の代表的なグラフの,正の袋の中から選択した「信頼できる負バッグ」を選択するためにその重み値を動的に調整すると信頼できる負グラフバッグを同定し,部分グラフパターンを導出し,グラフ分類器を訓練し,さらにバッグ重み値を更新するための塩基として機能する「縁グラフプール」を形成する。閉ループ反復プロセスは,学習のためのポジティブサンプルとラベル無しグラフ袋から最適部分グラフを発見する助けとなる。実験比較は,実際の複雑なオブジェクトを分類するためのpuMGLの性能を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *学習 ,  部分グラフ
準シソーラス用語： 特徴空間 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (4件)： ラベル ,  マルチ ,  グラフ ,  学習