文献

J-GLOBAL ID：201002236875956457   整理番号：10A0875578

サポートベクトル分類のためのスパース学習

Sparse learning for support vector classification

著者 (6件)： HUANG Kaizhu (National Lab. of Pattern Recognition, Inst. of Automation, Chinese Acad. of Sciences, Beijing, CHN) ,  ZHENG Danian (Fujitsu R&D Center Co. Ltd., Beijing, CHN) ,  SUN Jun (Fujitsu R&D Center Co. Ltd., Beijing, CHN) ,  HOTTA Yoshinobu (Fujitsu Laboratories Ltd., Kawasaki, JPN) ,  FUJIMOTO Katsuhito (Fujitsu Laboratories Ltd., Kawasaki, JPN) ,  NAOI Satoshi (Fujitsu Laboratories Ltd., Kawasaki, JPN)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 31  号： 13  ページ： 1944-1951  発行年： 2010年10月01日 
JST資料番号： H0913A  ISSN： 0167-8655  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： 重要でないパラメータを自動的に厳密にゼロに設定することにより,スパースな解をもたらすスパースサポートベクトル分類(SSVC)と名付けたサポートベクトル分類(SVC)のためのスパース学習アルゴリズムを示した。SSVCはL₀ノルム正則化項を採用し,反復重みづけ学習アルゴリズムにより訓練される。著者らは,提案した新しい方法が階層Bayes補間を含むことを示した。さらに,このモデルは,いくつかの他のスパースモデルと密接な関係を構築できる。より具体的には,提案した方法の一つの変形は(Watosonら,2003)で提案されたゼロノルム分類器と等価である。それはまた,Figueiredo(2003)により提案されたスパースプロビッド分類器と肩を並べる,拡張された,より柔軟なフレームワークである。二つの合成データ集合と7つのベンチマークデータ集合での理論的正当化と実験的評価は,SSVCが,大幅に少ないサポートベクトルを必要とするだけで,SVCと競合できる性能を提供することを示した。Copyright 2010 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *サポートベクトルマシン ,  *分類装置 ,  性質 ,  学習アルゴリズム ,  学習 ,  Bayes推定 ,  重みづけ
準シソーラス用語： スパース性 ,  反復学習 ,  Kernel法

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： ベクトル ,  分類 ,  学習