雑音に対して頑健なk-Nearest Neighborアルゴリズムと画像分類への応用に関する研究

カテゴリ: 研究会(論文単位)

論文No: IIS19017

グループ名: 【D】産業応用部門 次世代産業システム研究会

発行日: 2019/03/11

タイトル(英語): An Experimental Study on New Noise Tolerant k-NN Algorithm and Its pplication to Image Classification

著者名: 與儀 喜野(琉球大学),上原 和加貴(琉球大学),宮里 太也(琉球大学),長山 格(琉球大学)

著者名(英語): Yoshiya Yogi(University of the Ryukyus),Wakaki Uehara(University of the Ryukyus),Takaya Miyazato(University of the Ryukyus),Itaru Nagayama(University of the Ryukyus)

キーワード: 機械学習|ＡＩ|パターン認識|画像分類|頑健性|macine learning|AI|pattern recognition|image classification|robustness

要約(日本語): インスタンスベースの機械学習システムとしてkNN法はよく知られており、与えられたサンプルデータ群を利用した高性能な分類を実行できるという特徴がある。しかし、雑音の混入に対して脆弱という特徴がある。本研究では、雑音に対して頑健なｋNN法アルゴリズムについて検討し、画像分類に適用した結果を報告する。

要約(英語): Though kNN is well known method as instance-based classification, noisy datasets are often collected for the method. We show a new instance-based machine learning algorithm that can perform pattern classification with noise-robustness. The experimental results show that the proposed method can perform more efficient classification than conventional methods.

原稿種別: 日本語

PDFファイルサイズ: 982 Kバイト