文献

J-GLOBAL ID：201702281925887223   整理番号：17A0448263

l_2 1ノルム正則化多重カーネルベースのジョイント非線形特徴選択と不均衡データ分類のためのオーバーサンプリング【Powered by NICT】

l_2,1 norm regularized multi-kernel based joint nonlinear feature selection and over-sampling for imbalanced data classification

著者 (6件)： Cao Peng (College of Computer Science and Engineering, Northeastern University, Shenyang, China) ,  Liu Xiaoli (College of Computer Science and Engineering, Northeastern University, Shenyang, China) ,  Zhang Jian (School of Computer & Software, Nanjing University of Information Science & Technology, Nanjing, China) ,  Zhao Dazhe (Key Laboratory of Medical Image Computing of Ministry of Education, Northeastern University, Shenyang, China) ,  Huang Min (College of Information Science and Engineering, Northeastern University, Shenyang, China) ,  Zaiane Osmar (Computing Science, University of Alberta, Edmonton, Alberta, Canada)
資料名： Neurocomputing  (Neurocomputing)
巻： 234  ページ： 38-57  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 不均衡データセットの高次元性と分類は最も興味ある機械学習課題の二つである。両問題は文献で研究されている。特徴選択とオーバサンプリングの両方の問題を同時に調べるために,統一カーネルフレームワークにおける二つの異なる方法論的アプローチを結合した。より詳しくいえば,ここでは,新しいL2 1ノルム平衡マルチカーネル特徴選択(l 2 , 1 MKFS)を提案し,モデルを効率よく学習するための近位に基づく最適化アルゴリズムを設計した。さらに,マルチカーネルオーバサンプリング(MKOS)は2 1MKFSにより誘導される最適カーネル空間における合成事例を生成するために開発した,クラス不均衡分布を補償した。多重UCIデータと二つの実医療応用に関する著者らの実験結果は,共同非線形特徴選択を操作するとL2 1ノルムマルチカーネル学習フレームワーク(l 2 , 1 MKFSOS)とオーバサンプリング有望な分類性能を実現することができることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *特徴選択 ,  学習 ,  高次元 ,  *ノルム ,  機械学習 ,  *正則化 ,  多重化
準シソーラス用語： マルチカーネル学習 ,  クラス不均衡 ,  カーネル空間 ,  最適アルゴリズム ,  不均衡データセット ,  *オーバサンプリング ,  *不均衡データ , 【Automatic Indexing@JST】

著者キーワード (5件)： 不均衡データ学習 ,  特徴選択 ,  分類 ,  マルチカーネル学習 ,  近位法

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

タイトルに関連する用語 (10件)： ノルム ,  正則化 ,  多重 ,  カーネル ,  ジョイント ,  非線形 ,  特徴選択 ,  不均衡データ ,  分類 ,  オーバーサンプリング