현재 위치
Home
Optimization of the Smoothing Parameter of the Adaptive Kernel Estimator used in Bayes Classifier - Application to Microarray Data Analysis
-
- 발행기관
- 보안공학연구지원센터(IJSEIA) 바로가기
-
- 간행물
- International Journal of Software Engineering and Its Applications SCOPUS 바로가기
-
- 통권
- Vol.9 No.3 (2015.03)바로가기
-
- 페이지
- pp.79-94
-
- 저자
-
- 언어
- 영어(ENG)
-
- URL
- https://www.earticle.net/Article/A245370
※ 원문제공기관과의 협약기간이 종료되어 열람이 제한될 수 있습니다.
원문정보
초록
- 영어
- In this work, we focus on nonparametric kernel methods for estimating the probability density function (pdf). The convergence of a kernel estimator depends crucially on the choice of the smoothing parameter. We present in this paper, a new method for optimizing the bandwidth of an estimator of the probability density function: the adaptive kernel estimator. This optimized estimator is used to construct the Bayes classifier. In this sense, we have proposed a new approach to optimize the pdf based on the statistical properties of the probability distributions of random variables. We adopt the maximum entropy principle (MEP) in order to determine the optimal value of the smoothing parameter used in the estimator. In the proposed criterion, the estimated probability density function is called optimal in the sense of having a minimum error rate of classifying data. Finally, we illustrate the robustness of our optimization process of the kernel estimation methods by using a set of DNA microarray data showing that our approach effectively improves the performance of the classification process.
목차
Abstract
1. Introduction
2. Kernel based Density Estimation
2.1. K-nearest Neighbors Estimator
2.2. Parzen-Rosenblatt estimator
2.3. Adaptive Kernel Estimator
3. Bayes Classifier
4. Gene Selection Algorithm
4.1. Information Gain
4.2. ReliefF
4.3. Minimum Redundancy Maximum Relevance (mRMR)
5. Optimization of the Smoothing Parameter of the Kernel Estimator
5.1 Maximum Entropy Principle
5.2 Criterion based on the Maximum Entropy Principle
6. Experimental Results
6.1. Description of the Data Sets
6.2. Choice of Parameter k of Optimized Adaptive Kernel Estimator
6.3. Validation Indices
6.4. Experimental Results
7. Conclusion
References
키워드
Kernel Estimator Bayes Classifier Optimal Bandwidth Maximum Entropy Principle Microarray Colon Leukemia저자
간행물 정보
발행기관
-
- 발행기관명
- 보안공학연구지원센터(IJSEIA) [Science & Engineering Research Support Center, Republic of Korea(IJSEIA)]
- 설립연도
- 2006
- 분야
- 공학>컴퓨터학
- 소개
- 1. 보안공학에 대한 각종 조사 및 연구 2. 보안공학에 대한 응용기술 연구 및 발표 3. 보안공학에 관한 각종 학술 발표회 및 전시회 개최 4. 보안공학 기술의 상호 협조 및 정보교환 5. 보안공학에 관한 표준화 사업 및 규격의 제정 6. 보안공학에 관한 산학연 협동의 증진 7. 국제적 학술 교류 및 기술 협력 8. 보안공학에 관한 논문지 발간 9. 기타 본 회 목적 달성에 필요한 사업
간행물
-
- 간행물명
- International Journal of Software Engineering and Its Applications
- 간기
- 월간
- pISSN
- 1738-9984
- 수록기간
- 2008~2016
- 등재여부
- SCOPUS
- 십진분류
- KDC 505 DDC 605
이 권호 내 다른 논문 / International Journal of Software Engineering and Its Applications Vol.9 No.3
피인용수 : 0건 (자료제공 : 네이버학술정보)
함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.
출처 : 네이버학술정보
0개의 논문이 장바구니에 담겼습니다.