文献

J-GLOBAL ID：201602221417680326   整理番号：16A0280121

画像注視時の脳波特徴量を用いた画像分類に関する検討(5)-KESLMEを用いた教師あり分類結果統合に基づく高精度化-

著者 (3件)： 菅田健斗 (北大 工) ,  小川貴弘 (北大 大学院情報科学研究科) ,  長谷山美紀 (北大 大学院情報科学研究科)
資料名： 信号処理シンポジウム講演論文集(CD-ROM)  (信号処理シンポジウム(CD-ROM))
巻： 30th  ページ： ROMBUNNO.A5-4  発行年： 2015年 
JST資料番号： F1687A  資料種別： 会議録 (C)
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： 本文では,画像注視時の脳波信号より算出される特徴量を用いた画像分類手法の高精度化を試みる。我々は,これまでに,脳波信号および画像から算出される特徴量をそれぞれ単独に用いて得られた複数の識別器による分類結果を,それらの精度に注目して統合することで高精度な画像分類を実現する手法について提案してきた。本文では,上記手法で用いられる分類結果統合手法を教師あり学習へと拡張した,Kernelized version of Extended Supervised Learning from Multiple Experts(KESLME)を提案し,画像分類の高精度化を行う。KESLMEでは,従来のKernelized version of Supervised Learning from Multiple Experts(KSLME)に真のクラスラベルを与えることで,完全データに対する対数尤度を導出可能とし,これを最大化することで,分類結果の統合を可能とする識別関数を得る。得られた識別関数により最終的な分類を行うことで,高精度な画像分類を実現する。本文の最後では,被験者実験により提案手法の有効性を評価する。(著者抄録)

シソーラス用語： *脳波 ,  *情報 ,  *分類 ,  画像 ,  弁別器 ,  パターン認識 ,  学習 ,  教師つき学習 ,  改良
準シソーラス用語： *特徴量 ,  *画像分類 ,  識別器 ,  カーネル学習 ,  教師あり学習 ,  高精度化

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (7件)： 注視 ,  脳波 ,  特徴量 ,  画像分類 ,  教師あり分類 ,  統合 ,  高精度化