지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2014.6
- 수록면
- 2,021 - 2,024 (4page)
이용수
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
This paper proposes a simple yet effective algorithm for optimizing a trained linear classifier to minimize the average feature acquisition cost at test-time. For good classification performance, the feature dimension should be large in general. However, there exists many application domains where the cost of feature acquisition is critical. For example, in data classification for medical diagnosis, some features are easy to obtain while some features are not, due to various reasons such as expense, risk, and patient discomfort. For this reason, it is highly desirable to build a classifier which can make correct prediction by only evaluating features with comparably low acquisition costs. In this paper, we propose an efficient feature re-ordering algorithm for optimizing the linear classifier, so that when given a test sample, the resulting linear classifier can shortcut the summation and make fast decision without further wasteful summation operation. Experimental results on UCI machine learning dataset validates the efficiency of our method.
목차
Abstract
I. 서론
II. 본론
Ⅲ. 실험결과 및 분석
Ⅳ. 결론 및 향후 연구 방향
참고문헌
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2015-560-001688482