文献

J-GLOBAL ID：201102237353543474   整理番号：11A1900665

標本部分空間法に基づくサポートベクトルマシンの開発

Empirical Subspace Based Support Vector Machines

著者 (3件)： 北村拓也 (神戸大 大学院工学研究科) ,  竹内翔吾 (神戸大 大学院工学研究科) ,  阿部重夫 (神戸大 大学院工学研究科)
資料名： 情報処理学会論文誌トランザクション(CD-ROM)  (情報処理学会論文誌 Computer Vision and Applications(CD-ROM))
巻： 2010  号： 2  ページ： ROMBUNNO.SURIMODERUKATOOYO,VOL.3,NO.3,12-23  発行年： 2011年04月15日 
JST資料番号： L7379A  ISSN： 1882-7772  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本論文では,1)部分空間法に基づくサポートベクトルマシン(SS-SVM)による特徴選択の評価と,2)標本部分空間法に基づくサポートベクトルマシン(ES-SVM)の提案を述べる。1)の手法では,各クラスの共分散行列の固有値問題によって導いたすべての固有ベクトルにSS-SVMを用いて識別の観点から最適な重みを決定し,識別における重要度を意味する重みを基準として固有ベクトルの選択を繰り返しより良い識別を行うための部分空間の軸の選択を行う。2)の手法では,SS-SVMに各クラスの教師ベクトルの張る凸錐をそれぞれの部分空間とする錐制約部分空間法(CRS)の識別関数をSS-SVMの識別関数に類似した形にした標本部分空間法(ES)を適用することで固有値問題を避け,学習コストを削減する。ベンチマークデータを用いて,従来手法と比較することで提案手法の有効性を示す。(著者抄録)

シソーラス用語： *サポートベクトルマシン ,  *部分空間法 ,  共分散 ,  *固有値問題 ,  固有ベクトル ,  重みづけ ,  最適化 ,  度 ,  機械学習 ,  ベンチマーク ,  評価試験
準シソーラス用語： 重要度

分類 (3件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  数値計算  (JE02000J)

引用文献 (14件)：

• 1) Watanabe, S. and Pakvasa, N.: Subspace methods of pattern recognition, Proc.1st IJCPR, pp.283-328 (1973).
• 2) Oja, E.: Subspace Methods of Pattern Recognition, Research Studies Press (1983).
• 3) Abe, S.: Support Vector Machines for Pattern Classification, Springer (2005).
• 4) Kitamura, T., Takeuchi, S., Abe, S. and Fukui, K.: Subspace-based support vector machines for pattern classification, Neural Networks, Vol.22, pp.558-567 (2009).
• 5) Shölkopf, B., Mika, S., Burges, C.J.C., Knirsch, P., Mŭller, K.R., Rätsch, G. and Smola, A.J.: Input space vs. feature space in kernel-based methods, IEEE Trans. Neural Networks, Vol.10, No.5, pp.1000-1017 (1999).

タイトルに関連する用語 (4件)： 標本 ,  部分空間法 ,  サポートベクトルマシン ,  開発