追加学習型カーネル主成分分析の開発とその性能評価

カテゴリ: 部門大会

論文No: GS14-3

グループ名: 【C】平成19年電気学会電子・情報・システム部門大会講演論文集

発行日: 2007/09/04

タイトル(英語): Development of Incremental Kernel Principal Component Analysis and Its Performance Evaluation

著者名: 竹内 洋平(神戸大学),小澤 誠一(神戸大学),阿部 重夫(神戸大学)

著者名(英語): Yohei Takeuchi(Kobe University),Seiichi Ozawa(Kobe University),Shigeo Abe(Kobe University)

キーワード: 追加学習|カーネル主成分分析|特徴選択|パターン認識|incremental learning|kernel principal component analysis|feature selection|pattern recognition

要約(日本語): パターン認識問題において,優れた識別器を構成するのと同時に優れた特徴を選択することが重要である.あらかじめ十分な訓練データを用意できない状況において,追加学習は欠かせないが,本研究では,このような状況で高速に追加学習可能な特徴選択手法として追加学習型カーネル主成分分析アルゴリズムを提案する.このアルゴリズムでは,高次元特徴空間で一次独立な訓練データを選定するのではなく,部分空間で一次独立なデータを選定し,部分空間の次元数と同数の一次独立データを保持する.よって,より少ないデータを用いて部分空間を更新することができ,オンライン性の高い高速な特徴抽出アルゴリズムを実現できる.学習時間や生成される特徴空間の一致度を調べる実験を行い,提案手法の有効性を示す.

PDFファイルサイズ: 3,054 Kバイト