文献

J-GLOBAL ID：201402211356750821   整理番号：14A0901417

カテゴリ標本特徴空間を用いた高速スパース最小自乗サポートベクトルマシン

著者 (3件)： 北村拓也 (富山高専) ,  関根崇正 (富山高専) ,  塚越勇規 (富山高専)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 114  号： 104(NC2014 1-16)  ページ： 61-67  発行年： 2014年06月18日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本論文では,カテゴリ標本特徴空間を用いた高速スパース最小自乗サポートベクトルマシン(FSLS-SVM)を提案する。FSLS-SVMでは,カテゴリごとの教師ベクトルから一次独立な教師ベクトルを選択し,カテゴリごとにそれらの教師ベクトルを基底ベクトルとした標本特徴空間を生成する。これらの標本特徴空間上に全教師ベクトルを写像し,それぞれ識別基準を決定する。このとき,これらの識別基準は,各カテゴリの一次独立な教師ベクトルのみを用いて決定できるため,通常のLS-SVMとは異なり,解にスパース性を付与できる。また,カテゴリごとに独立して一次独立な教師ベクトルの選択を行えるため,選択における計算コストは小さく,全データから選択する従来手法に比べて高速な学習が可能となる。ベンチマークデータセットを用いた計算機実験により提案手法の有効性を示す。(著者抄録)

シソーラス用語： カテゴリー ,  空間 ,  最小二乗法 ,  *サポートベクトルマシン ,  計算機シミュレーション ,  写像 ,  *評価試験 ,  学習 ,  制約条件
準シソーラス用語： SVM ,  スキル学習 ,  *ベンチマーク試験 ,  ペアワイズ制約 ,  計算機実験 ,  *最小二乗-サポートベクトルマシン ,  最小自乗法 ,  特徴空間

分類 (2件)： アナログ・ハイブリッド計算機  (JC05000Y) ,  汎用演算制御装置  (JC04020N)

引用文献 (13件)：

• Suykens, J.A.K. and Vandewalle, J.: Least squares support vector machine classifiers. Neural Processing Letters, vol. 9, no. 3, pp. 293-300, (1999).
• Abe, S.: Support vector machines for pattern classification (advances in pattern recognition). Springer-Verlag, London (2010).
• Vapnik, V.N.: Statistical learning theory. John Wiley & Sons, New York (1998).
• Vapnik, V.N.: The nature of statistical learning Theory. Springer, New York (1995).
• Bishop, C.M.: Pattern recognition and machine learning. Springer, New York (2006).

タイトルに関連する用語 (4件)： カテゴリ ,  標本 ,  特徴空間 ,  最小自乗サポートベクトルマシン