モバイルコンピューティング応用のためのスパース・サポートベクトルマシンのための高速アルゴリズム【Powered by NICT】

Peng Jian-Xun; Rafferty Karen; Ferguson Stuart

文献

J-GLOBAL ID：201702235448905166 整理番号：17A0448205

モバイルコンピューティング応用のためのスパース・サポートベクトルマシンのための高速アルゴリズム【Powered by NICT】

A fast algorithm for sparse support vector machines for mobile computing applications

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=17A0448205&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=17A0448205&from=J-GLOBAL&jstjournalNo=W0360A") }}

著者 (3件)： , ,
資料名：
巻： 230 ページ： 160-172 発行年： 2017年
JST資料番号： W0360A ISSN： 0925-2312 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)

本研究では,カーネル誘導型特徴空間の基礎ベクトル集合(B VS)を選択することにより投影されたサポートベクトルマシン(PSVM)のための高速アルゴリズムを提案し,訓練点を選択B VSによって回転されるサブ空間に投影した。標準線形サポートベクトルマシン(SVM)を,投影した訓練点を用いた部分空間で産生される。部分空間の次元は,選択された基底ベクトル集合の大きさにより決定されるように,生産されたSVM膨張の大きさを特定することができた。二段階アルゴリズムは,基底ベクトル集合局所的最適モデルを達成することを選択し,微細化に導いた。モデル膨張係数とバイアスは,基底関数系とサポートベクトルセットの増加と減少のための再帰的に更新した。電流基底ベクトル外として分類され,新しい基底ベクトルとして選択すべき点の条件を再帰手順で導出し,埋め込まれている。これは,生じた基底関数の線形独立性を保証する。提案したアルゴリズムは,七公開ベンチマーク分類問題に関する既存のスパース初期SVM(SpSVM)と標準SVM(LibSVM)を用いて試験し,比較した。しばしば限られたメモリと処理資源を完全に利用しなければならないこの新しいアルゴリズムは,スマートデバイス及び埋め込みセンサを用いた人間の行動認識の応用分野での使用のために設計したと分類よりロバストで正確なユーザより満足した。実験結果は,提案したアルゴリズムの有効性と効率を実証した。EU Haptimapプロジェクトのためのモバイル応用での活動認識のために作成した特異的に以前に公表されたアルゴリズムに基づいている。本論文で詳細なアルゴリズムはよりメモリと資源効率的な,より大きなデータセットとより容易に訓練されたSVMを用いた使用に適している。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

著者キーワード (4件)： , , ,

人工知能

, , ,

前のページに戻る