文献

J-GLOBAL ID：201902245290953265   整理番号：19A0611158

標本特徴空間を用いたスパース最小自乗ツインサポートベクトルマシン

Sparse Least Squares Twin Support Vector Machine Training in Empirical Feature Space

著者 (3件)： 成瀬康平 (富山工高専) ,  江渕文人 (富山工高専) ,  北村拓也 (富山工高専)
資料名： インテリジェント・システム・シンポジウム(CD-ROM)  (Symposium on Fuzzy, Artificial Intelligence, Neural Networks and Computational Intelligence (CD-ROM))
巻： 27th  ページ： ROMBUNNO.1A3-4  発行年： 2017年 
JST資料番号： L1193B  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： 本論文では,標本特徴空間において学習を行うスパース最小二乗サポートベクトルマシを提案する。本手法では,コレスキー分解を用いて全教師データから一次独立な教師データを選択し,標本特徴空間における基底ベクトルとして,学習を行う。これにより一次独立な教師ベクトルをサポートベクトルとおけ,解がスパースとなる。さらに,次元数が小さくなるため,標本特徴空間上におけるLS-TSVMの学習コストは高次元特徴空間上の学習に比べて削減され,高速化も見込まれる。(著者抄録)

シソーラス用語： *ベクトル空間 ,  特徴抽出 ,  *サポートベクトルマシン ,  数値解法 ,  パターン認識 ,  固有値問題 ,  学習アルゴリズム ,  計算機シミュレーション
準シソーラス用語： *特徴空間 ,  *最小自乗サポートベクトルマシン ,  Cholesky分解 ,  教師データ ,  基底ベクトル ,  Kernel法

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 標本 ,  特徴空間 ,  最小自乗 ,  サポートベクトルマシン