文献

J-GLOBAL ID：201002217722220112   整理番号：10A0308535

HMMベースモデルのユークリッド空間への埋め込み:トポロジー隠れマルコフモデル

Embedding HMMs-based models in a Euclidean space: the topological hidden Markov models

著者 (1件)： BOUCHAFFRA Djamel (Dep. of Mathematics and Computer Sci., Grambling State Univ., LA 71245, USA)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 43  号： 7  ページ： 2590-2607  発行年： 2010年07月 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 構造,階層,結合やその他へ,現在行われている隠れマルコフモデルの拡張は,複雑で高度に構造化されたパターン分類を行えるようになった。しかし,それらの主要な限界の1つは,トポロジーを扱うことができないことである。視覚的観測(VO)シーケンスに適用したとき,従来のHMMベース手法はVOシーケンスのシンボルにより形成されるn次元形状を予測するのが難しい。このニーズを満たすべく,本論文では,”トポロジー隠れマルコフモデル”(THMM)と呼ぶ新しいパラダイムを提案した。この手法は,VOシーケンスを,HMM状態遷移グラフのノードをユークリッド空間に埋め込むことにより分類する。これは,VOシーケンスにより生成される形状に埋め込まれたノイズをモデル化することにより達成される。第一レベルと第二レベルのトポロジーHMMを考察した。5個の基本問題を第二レベルトポロジー隠れマルコフモデルに適用した。(1)シーケンス確率評価,(2)統計的復号,(3)構造復号,(4)トポロジー復号,(5)学習,である。本研究の重要さを示すために,THMM概念を,(i)手書き数字に割り当てられたASCIIクラス予測,(ii)蛋白主構造のそれらの3Dしゅう曲構造へのマップ,の2つの問題に適用した。それらの結果から,第二レベルTHMMはSHMMや多クラスSVM分類器性能を大きく上回ることを示した。Copyright 2010 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *パターン分類 ,  *隠れMarkovモデル ,  Euclid空間 ,  位相幾何学 ,  位相空間 ,  形態 ,  状態遷移図 ,  復号化 ,  褶曲構造 ,  サポートベクトルマシン
準シソーラス用語： *HMM ,  トポロジー ,  トポロジー空間 ,  形状モデル ,  三次元形状 ,  手書き文字 ,  復号

分類 (2件)： パターン認識  (JE07000S) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (6件)： HMM ,  モデル ,  ユークリッド空間 ,  埋め込み ,  トポロジー ,  隠れマルコフモデル