本論文は,5章より構成されている。第1章では,機械学習の現状,応用及び構成を述べた上,本研究で扱った三つの課題を挙げた。第2章では,小サンプルデータの特徴選択方法を提案した。第3章では,クラスの不均衡性と学習データのサイズが分類器精度への影響を検討した。第4章では,ノイズが分類器の学習を妨げる問題点に対して,多要素ベースの学習に基づいた高速クラスノイズの検出方法を提案した。第5章では,分析の主な結果をまとめ,今後の課題と展望を述べた。 / This thesis is organized under five chapters. Chapter 1 gives a brief explanation of what machine learning is and why it matters. Chapter 2 makes a proposal to improve the performance of feature selection methods with low-sample-size data. Chapter 3 studies the effects of class imbalance and training data size on classifier learning empirically. Chapter 4 proposes a fast noise detector referring to the problems of noise detection algorithms, which are over-cleansing, large computational complexity and long response time. Chapter 5 draws a summary and the closing. / 博士(文化情報学) / Doctor of Culture and Information Science / 同志社大学 / Doshisha University
Identifer | oai:union.ndltd.org:doshisha.ac.jp/oai:doshisha.repo.nii.ac.jp:00028177 |
Date | 22 March 2021 |
Creators | 鄭 弯弯, Wanwan Zheng |
Publisher | 金 明哲 |
Source Sets | Doshisha University |
Language | English |
Detected Language | English |
Type | Thesis or Dissertation |
Format | application/pdf |
Source | https://doors.doshisha.ac.jp/opac/opac_link/bibid/BB13179266/?lang=0 |
Page generated in 0.0016 seconds