| 講演抄録／キーワード |
| 講演名 |
2005-12-09 15:20
多クラスサポートベクターマシンにおける各SVMモジュールの独立特徴選択
○胡 欣・マウリシオ クグレ（名工大）・アント サトリヨ ・ヌグロホ（中京大）・黒柳 奨・岩田 彰（名工大） |
| 抄録 |
（和） |
近年，サポートベクターマシン(Support Vector Machine,SVM)と呼ばれるパターン識別手法が優れた識別率性能により注目を浴びている．しかし，SVMを応用する場合，多クラス問題においてその認識スピードが問題となる．これに対して特徴選択(FSS)により特徴次元数とサポートベクトルの数を削減することで，SVMの認識時間を短縮することができ，リアルタイムの処理が可能になる．また多クラスSVMにしては全体の入力空間で特徴選択を行うより，各SVMモジュールにおいて独立に特徴選択を行うことが有効であろう．そこで本論文では，多クラスSVMにおける各SVMモジュールの独立特徴選択の新しい手法を提案し，実データを用いて実験を行った．その結果，識別率を落とすことなく，特徴次元数及びサポートベクトルの削減により識別時間を元の時間より大幅に削減する効果を得た． |
| （英） |
One drawback on the use of Support Vector Machines (SVM) in real
applications is its slow classification speed, proportional to the
product of number of features and number of support vectors. Feature
Subset Selection (FSS) is one way for reducing the dimensionality,
normally reducing the number of support vectors, and consequently the
recognition time. However, for the multiclass SVM, applying FSS in the
whole input space does not achieve an optimal feature subset for each
independent binary classifier. This work proposes a new structure, in
which the FSS is performed independently for each SVM. The experiments
with real world data showed a much higher average dimensionality
reduction, decreasing the recognition time by several orders with a
comparable performance with the full features set. |
| キーワード |
（和） |
特徴選択 / サポートベクターマシン / 多クラスSVM / サポートベクトル / 多クラス識別問題 / SBS / / |
| （英） |
feature subset selection / support vector machine / multiclass SVM / support vectors / multiclass classification problems / SBS / / |
| 文献情報 |
信学技報, vol. 105, no. 457, NC2005-86, pp. 31-36, 2005年12月. |
| 資料番号 |
NC2005-86 |
| 発行日 |
2005-12-02 (NC) |
| ISSN |
Print edition: ISSN 0913-5685 |
| PDFダウンロード |
|