カテゴリ標本特徴空間を用いた高速スパース最小自乗サポートベクトルマシン

この論文をさがす

説明

本論文では,カテゴリ標本特徴空間を用いた高速スパース最小自乗サポートベクトルマシン (FSLS-SVM) を提案する.FSLS-SVM では,カテゴリごとの教師ベクトルから一次独立な教師ベクトルを選択し,カテゴリごとにそれらの教師ベクトルを基底ベクトルとした標本特徴空間を生成する.これらの標本特徴空間上に全教師ベクトルを写像し,それぞれ識別基準を決定する.このとき,これらの識別基準は,各カテゴリの一次独立な教師ベクトルのみを用いて決定できるため,通常の LS-SVM とは異なり,解にスパース性を付与できる.また,カテゴリごとに独立して一次独立な教師ベクトルの選択を行えるため,選択における計算コストは小さく,全データから選択する従来手法に比べて高速な学習が可能となる.ベンチマークデータセットを用いた計算機実験により提案手法の有効性を示す.

収録刊行物

キーワード

詳細情報 詳細情報について

  • CRID
    1571417127902970496
  • NII論文ID
    110009795446
  • NII書誌ID
    AA12055912
  • ISSN
    09196072
  • 本文言語コード
    ja
  • データソース種別
    • CiNii Articles

問題の指摘

ページトップへ