パラメトリック計画法を用いたS<sup>3</sup>VMの最適化手法に関する一考察

小川晃平; 竹内一郎; 杉山将

文献

J-GLOBAL ID：201202233759525045 整理番号：12A1064293

パラメトリック計画法を用いたS³VMの最適化手法に関する一考察

A Study on an Optimization Algorithm for Semi-Supervised SVM using Parametric Programing

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=12A1064293&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=12A1064293&from=J-GLOBAL&jstjournalNo=S0532B") }}

著者 (3件)： , ,
資料名：
巻： 112 号： 83(IBISML2012 1-12) ページ： 1-8 発行年： 2012年06月12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)

半教師有り学習の目的はラベル無しインスンタンスを利用してラベル有りインスタンスのみを用いた場合よりも汎化性能のよい分類器を作成することである。Semi-Supervised Support Vector Machine(S³VM)は半教師有り学習の文脈で使えるようにSVMを拡張した分類アルゴリズムである。S³VMの学習は組み合わせ最適化問題や非凸最適化問題として定式化される。小規模な問題を除きS³VMの大域的最適解を見つけるのは困難であるため,S³VM研究の目的はアニーリングなどの探索ヒューリスティクスを用いてよい局所最適解を見つけることである。本稿ではパラメトリック計画法をS³VMに導入して局所最適解を求める新しいアルゴリズムを提案する。本稿の主な貢献は,S³VMの局所最適解の必要十分条件の導出し,その条件を利用して局所最適解のパスを計算するアルゴリズムを提案することである。これにより,ラベル無しインスタンスの影響を徐々に増やしていく際の局所最適解のパスを計算することが可能となる。提案アルゴリズムはよい局所最適解を見つけられることが実験的に確認されたが,これは提案法が無限小ステップのアニーリングと解釈できるためと推測される。また,提案アルゴリズムを用いると,ラベル無しインスタンスの影響を制御するためのモデル選択を安定的かつ効率的に行うことができる。本稿ではこれらの利点を数値実験によって例証する。(著者抄録)

, , , , , , ,
, , , , , ,

人工知能 , その他のオペレーションズリサーチの手法

引用文献 (26件)：

JOACHIMS, T. Transductive inference for text classification using support vector machines. International Conference on Machine Learning, 1999. 1999
SINDHWANI, V. Deterministic annealing for semi-supervised kernel machines. International Conference on Machine Learning, 2012. 2012
DE BIE, T. Semi-supervised learning using semi-definite programming. 2006
COLLOBERT, R. Large scale transductive svms. Journal of Machine Learning Research. 2006, 7, 1687-1712
CHAPELLE, O. Semi-supervised classification by low density separation. Tenth International Workshop on Artificial Intelligence and Statistics, 2012. 2012

前のページに戻る

パラメトリック計画法を用いたS3VMの最適化手法に関する一考察

パラメトリック計画法を用いたS³VMの最適化手法に関する一考察