文献

J-GLOBAL ID：201502204472496390   整理番号：15A0852206

カテゴリ別特徴抽出による高速スパース最小自乗サポートベクトルマシン

Fast Sparse Least Squares Support Vector Training by Feature Extraction for Each Category

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： 情報処理学会論文誌トランザクション 数理モデル化と応用(Web)  (情報処理学会論文誌 数理モデル化と応用(Web))
巻： 8  号： 1  ページ： 7-17 (WEB ONLY)  発行年： 2015年03月30日 
JST資料番号： U0475A  ISSN： 1882-7780  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,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： *特徴抽出 ,  *カテゴリー ,  分類 ,  最小二乗法 ,  *サポートベクトルマシン ,  学習 ,  *性質 ,  教師 ,  *教師つき学習 ,  自動分類
準シソーラス用語： *カテゴリー分類 ,  *スパース性 ,  *教師あり学習 ,  教師あり分類 ,  *最小自乗 ,  *最小自乗サポートベクトルマシン ,  特徴抽出法

分類 (2件)： 計算機利用技術一般  (JE01000C) ,  パターン認識  (JE07000S)

引用文献 (20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 (3件)： カテゴリ ,  特徴抽出 ,  最小自乗サポートベクトルマシン