| 講演抄録／キーワード |
| 講演名 |
2005-02-24 10:00
識別器選択のための入力空間分割法に関する検討
○林 柘・中村恭之・和田俊和（和歌山大） |
| 抄録 |
（和） |
アンサンブル学習は，トレーニングした複数の識別器の出力を統合し，個々の識別器
よりも正確な出力を得るというものである．このアプローチでは，確かに識別性能の
向上は期待できるが，一つの入力に対して多数の識別器を動かさなければならないため，
速度の低下や消費メモリの増加が起きる．本報告では，１）入力空間を箱状に分割し，
２）分割された個々の箱において最も性能の高い識別器を選択する，というアプロー
チで全体としての識別率の向上と，識別速度の向上を図る方法について述べる．この
方法は，一つの入力に対して一つの識別器しか動かないため，一台の識別器を用いてい
るのとほぼ同等の速度で動作する．また，入力空間中の各場所で最も良く機能する識別
器を選択しているため，明らかに元の識別器よりも良い性能が得られる．空間分割と識
別器選択の複数の方法を提案し実験によりそれらを検証する． |
| （英） |
Ensemble learing is a method for constructing a strong
crassifier from multiple weak classifiers. In this method,
the accuracy of the strong classifier is improved, however,
the classification speed and memory consumption
degenerate. This is because that the strong classifier
requires outputs of all weak classifiers for a single input.
Our approach consists of two ideas: decomposing the input
space into boxes and selecting the best classifier for each box
from a certain classifier set. In this approach, since a single classifier
is selected for a single input, the classification speed is almost
equivalent to that of a weak classifier. Despite the fast classification
speed, the accuracy will be improved, because the best classifier
is selected for each box. The problem is "how to decompose the input
space" and "how to select the best classifier".
We propose some box decomposition and classifier selection methods
and verify them through experiments. |
| キーワード |
（和） |
アンサンブル学習 / 空間分割 / 識別器選択 / / / / / |
| （英） |
Ensemble learing / box decomposition / classifier selection / / / / / |
| 文献情報 |
信学技報, vol. 104, no. 669, PRMU2004-180, pp. 7-12, 2005年2月. |
| 資料番号 |
PRMU2004-180 |
| 発行日 |
2005-02-17 (NLC, PRMU) |
| ISSN |
Print edition: ISSN 0913-5685 |
| PDFダウンロード |
|
| 研究会情報 |
| 研究会 |
PRMU NLC |
| 開催期間 |
2005-02-24 - 2005-02-25 |
| 開催地（和） |
国立情報学研究所 |
| 開催地（英） |
|
| テーマ（和） |
学習理論とパターン認識メディア理解，機械学習による自然言語処理・言語処理を利用したメディア理解，一般 |
| テーマ（英） |
|
| 講演論文情報の詳細 |
| 申込み研究会 |
PRMU |
| 会議コード |
2005-02-PRMU-NLC |
| 本文の言語 |
日本語 |
| タイトル（和） |
識別器選択のための入力空間分割法に関する検討 |
| サブタイトル（和） |
|
| タイトル（英） |
Space Partitioning Method for Classifier Selection |
| サブタイトル（英） |
|
| キーワード(1)（和/英） |
アンサンブル学習 / Ensemble learing |
| キーワード(2)（和/英） |
空間分割 / box decomposition |
| キーワード(3)（和/英） |
識別器選択 / classifier selection |
| キーワード(4)（和/英） |
/ |
| キーワード(5)（和/英） |
/ |
| キーワード(6)（和/英） |
/ |
| キーワード(7)（和/英） |
/ |
| キーワード(8)（和/英） |
/ |
| 第1著者 氏名（和/英/ヨミ） |
林 柘 / Hiromu Hayashi / ハヤシ ヒロム |
| 第1著者 所属（和/英） |
和歌山大学 (略称： 和歌山大)
Wakayama University (略称： Wakayama Univ.) |
| 第2著者 氏名（和/英/ヨミ） |
中村 恭之 / Takayuki Nakamura / ナカムラ タカユキ |
| 第2著者 所属（和/英） |
和歌山大学 (略称： 和歌山大)
Wakayama University (略称： Wakayama Univ.) |
| 第3著者 氏名（和/英/ヨミ） |
和田 俊和 / Toshikazu Wada / ワダ トシカズ |
| 第3著者 所属（和/英） |
和歌山大学 (略称： 和歌山大)
Wakayama University (略称： Wakayama Univ.) |
| 第4著者 氏名（和/英/ヨミ） |
/ / |
| 第4著者 所属（和/英） |
(略称： )
(略称： ) |
| 第5著者 氏名（和/英/ヨミ） |
/ / |
| 第5著者 所属（和/英） |
(略称： )
(略称： ) |
| 第6著者 氏名（和/英/ヨミ） |
/ / |
| 第6著者 所属（和/英） |
(略称： )
(略称： ) |
| 第7著者 氏名（和/英/ヨミ） |
/ / |
| 第7著者 所属（和/英） |
(略称： )
(略称： ) |
| 第8著者 氏名（和/英/ヨミ） |
/ / |
| 第8著者 所属（和/英） |
(略称： )
(略称： ) |
| 第9著者 氏名（和/英/ヨミ） |
/ / |
| 第9著者 所属（和/英） |
(略称： )
(略称： ) |
| 第10著者 氏名（和/英/ヨミ） |
/ / |
| 第10著者 所属（和/英） |
(略称： )
(略称： ) |
| 第11著者 氏名（和/英/ヨミ） |
/ / |
| 第11著者 所属（和/英） |
(略称： )
(略称： ) |
| 第12著者 氏名（和/英/ヨミ） |
/ / |
| 第12著者 所属（和/英） |
(略称： )
(略称： ) |
| 第13著者 氏名（和/英/ヨミ） |
/ / |
| 第13著者 所属（和/英） |
(略称： )
(略称： ) |
| 第14著者 氏名（和/英/ヨミ） |
/ / |
| 第14著者 所属（和/英） |
(略称： )
(略称： ) |
| 第15著者 氏名（和/英/ヨミ） |
/ / |
| 第15著者 所属（和/英） |
(略称： )
(略称： ) |
| 第16著者 氏名（和/英/ヨミ） |
/ / |
| 第16著者 所属（和/英） |
(略称： )
(略称： ) |
| 第17著者 氏名（和/英/ヨミ） |
/ / |
| 第17著者 所属（和/英） |
(略称： )
(略称： ) |
| 第18著者 氏名（和/英/ヨミ） |
/ / |
| 第18著者 所属（和/英） |
(略称： )
(略称： ) |
| 第19著者 氏名（和/英/ヨミ） |
/ / |
| 第19著者 所属（和/英） |
(略称： )
(略称： ) |
| 第20著者 氏名（和/英/ヨミ） |
/ / |
| 第20著者 所属（和/英） |
(略称： )
(略称： ) |
| 講演者 |
第1著者 |
| 発表日時 |
2005-02-24 10:00:00 |
| 発表時間 |
30分 |
| 申込先研究会 |
PRMU |
| 資料番号 |
NLC2004-98, PRMU2004-180 |
| 巻番号（vol） |
vol.104 |
| 号番号（no） |
no.667(NLC), no.669(PRMU) |
| ページ範囲 |
pp.7-12 |
| ページ数 |
6 |
| 発行日 |
2005-02-17 (NLC, PRMU) |
|