事例の選択的な記憶による極小事例べースの獲得

スポンサーリンク

概要

論文の詳細を見る
事例べース推論では, 次々と事例を事例べースに蓄えていくため, 事例を削除して記憶量と類似事例の検索にかかる計算コストを削減することが重要となってくる. 本稿では, 事例べース推論を応用した事例の分類手法に着目し, 分類に有効な事例のみを選択的に記憶して, 極小の事例べースを構成するアルゴリズムを提案する. 本アルゴリズムは,まず典型的な特徴からなり, 大部分の事例を正分類することができる仮想的な事例を生成する. さらに, 仮想的な事例に加えて, カテゴリ間の境界付近の事例のみを選択的に記憶している. このため, 分類に必要のない事例を選択することはなく, 非常に少ない事例で分類精度が維持できるという特徴がある. さらに, 例外的な事例は事例べースに含まれないため, ノイズにも強固であるという特徴がある.
一般社団法人情報処理学会の論文
1998-01-22

著者

関連論文

もっと見る

スポンサーリンク