최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기정보처리학회논문지. KIPS transactions on software and data engineering. 소프트웨어 및 데이터 공학, v.9 no.3, 2020년, pp.83 - 90
백병현 (단국대학교 소프트웨어학과) , 어성율 (단국대학교 소프트웨어학과) , 황두성 (단국대학교 소프트웨어학과)
Prototype selection offers the advantage of ensuring low learning time and storage space by selecting the minimum data representative of in-class partitions from the training data. This paper designs a new training data generation method using hyper-rectangles that can be applied to general classifi...
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
소수의 프로토타입선택의 장점은? | 대용량 훈련 데이터의 경우 학습 모델의 복잡도를 증가시키는 중복 및잡음 데이터 등이 존재할 가능성이 높으며, 많은 학습 시간이 요구된다[1, 2]. 훈련 데이터를 대표하는 소수의 프로토타입선택은 불필요한 데이터의 제거, 학습 시간의 단축 그리고 기존 훈련 데이터와 유사한 분류 성능을 얻을 수 있으며 높은일반화 성능을 갖는다는 장점이 있다[3-8]. | |
프로토타입 선택이란? | 프로토타입 선택은 훈련 데이터로부터 클래스 영역을 대표하는 최소 데이터를 선택하여 낮은 학습 시간 및 저장 공간을 보장하는 장점을 제공한다. 본 논문은 모든 분류 알고리즘에 적용할 수 있는 초월 사각형을 이용한 새로운 훈련 데이터의 생성 방법을 설계한다. | |
PBL가 초월구를 구성하는 방법은 무엇인가? | PBL(prototype based learning, [13])은 프로토타입 영역 내 포함되는 데이터를 고려한다는 측면에서 RSC와 유사하다. 그러나 가장 근접한 서로 다른 클래스 데이터의 거리와가장 떨어져 있는 동일 클래스 데이터 거리의 중간을 반지름으로 설정하여 초월구를 구성한다. |
N. Bhatia, Vandana, "Survey of Nearest Neighbor Techniques," International Journal of Computer Science and Information Security, Vol.8, No.2, 2010.
I. Triguero, J. Derrac, S. Garcia, and F. Herrea, "A Taxonomy and Experimental Study on Prototype Generation for Nearest Neighbor Classification," IEEE Transactions on Systems, Man, and Cybernetics Part C(Application And Reviews), Vol.42, No.1, pp.86-100, 2012.
R. M. Cruz, R. Sabourin, and G. D. Cavalcanti, "Prototype selection for dynamic classifier and ensemble selection," Neural Computing and Applications, Vol.29, pp.447-457, 2016.
R. M. Curz, R. Sabourin, and G. D. Cavalcanti, "Analyzing different prototype selection techniques for dynamic classifier and ensemble selection," International Joint Conference on Neural Networks, pp.3959-3966, 2017.
E. Pekalska, R. P. W. Duin, and P. Paclik, "Prototype selection for dissimilarity-based classifier," Pattern Recognition, 39, pp.189-208, 2006.
J. A. Olvera-Lopez, J. A. Carrasco-Ochoa, J. F. Martinez Trinidad, and J. Kittler, "A review of instance selection methods," Artif Intell Rev, Vol.34, No.2, pp.133-143, 2010.
S. Garcia, J. Derrac, J. Cano, and F. Herrera, "Prototype selection for nearest neighbor classification: taxonomy and empirical study," IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.34, No.3, pp.417-435, 2012.
S. Choi, S. Cha, and C. Tappert, "A Survey of Binary Similarity and Distance Measures," J. Systemics, Cybernetics and Informatics, Vol.8, No.1, pp.43-48, 2010.
J. Bien and R. Tibshirani, "Prototype selection for interpretable classification," The Annals of Applied Statistics, Vol.5, No.4, pp.2403-2424, 2011.
D. Marchette, "Class cover catch digraphs," Wiley Interdisciplinary Reviews: Computational Statistics, Vol.2, No.2, pp.171-177, 2010.
R. Younsi and A. Bagnall, "A randomized sphere cover classifier," International Conference on Intelligent Data Engineering and Automated Learning, pp.234-241, 2010.
S. Seyong and H. Doosung, "Prototype based Classification by Generating Multidimensional Spheres per Class Area," Journal of The Korea Society of Computer and Information, Vol.20, No.2, 2015.
S. Arora, D. Karger, and M. Karpinski, "Polynomial time approximation schemes for dense instances of NP-hard problems," Journal of Computer and System Sciences, Vol.58, pp.193-210, 1999.
D. S. Hwang and D. W. Kim, "Near-boundary data selection ofor fast support vector machines," Malasian Journal of Computer Science, Vol.25, No.1, pp.23-37, 2012.
F. Angiulli, "Fast Nearest Neighbor Condensation for Large Data Sets Classification," IEEE Transactions on Knowledge and Data Engineering, Vol.19, No.11, pp.1450-1464, 2007.
A. H. Cannon and L. J. Cowen, "Approximation algorithms for the class cover problem," Annals of Mathematics and Artificial Intelligence, Vol.40, No.3-4, pp.215-223, 2004.
UCI Machine Learning Repository [Online]. Available: https://archive.ics.uci.edu/ml/.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.