講演抄録/キーワード |
講演名 |
2007-03-14 11:00
多クラスサポートベクターマシンにおけるパラメータの分割自動最適化手法 ○坪田啓太・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) |
ガウシアンカーネルを用いたサポートベクターマシン(SVM)には識別器を決定する2 種類のパラメータが存在する.単独のSVM に対するこれらのパラメータの調整方法として,識別器の認識率を比較して最適なパラメータを求める手法がいくつか提案されている.しかし,多クラスSVM においても単独のSVM に対する最適化をそのまま適用することが一般的であり,多クラスSVM での認識率を比較して最適化を行うと大規模な問題を扱う場合などに最適化にかかる時間が膨大になってしまう.そのため,多クラスSVM を構成する各SVM を分割して考え,個別にパラメータ最適化を行うことを提案した.これにより多クラスSVM 全体での最適化を行う場合に比べ,認識率を保ったまま最適化を行う際の計算時間を削減でき,また最終的なサポートベクター数を減らすことができた. |
(英) |
A support vector machine (SVM) using Gaussian kernel function presents two parameters (C and sigma) that need to be tuned in order to obtain good generalization. Several automatic parameters tuning techniques based on the classifierc's recognition rate have been proposed for a single binary support vector machine. However, the naive use of the multiclass SVM recognition rate as a criterion for searching good parameters becomes
unpractical when dealing with large-scale classification problems due to the high processing time required. Specific methods for multiclass SVM parameters optimization are not widely studied. This paper proposes a new approach for the optimization of multiclass SVM parameters. The new method splits the optimization procedure, searching for independent parameters for each binary classifier. The experimental results show that, while keeping the same accuracy performance, the proposed algorithm significantly decreases the optimization procedure's processing time and reduces the total final amount of support vectors. |
キーワード |
(和) |
サポートベクターマシン / パラメータ調整 / 多クラス分類 / 大規模問題 / / / / |
(英) |
Support vector machine / parameters tuning / malitclass classification / large-scale data / / / / |
文献情報 |
信学技報, vol. 106, no. 588, NC2006-138, pp. 121-126, 2007年3月. |
資料番号 |
NC2006-138 |
発行日 |
2007-03-07 (NC) |
ISSN |
Print edition: ISSN 0913-5685 |
PDFダウンロード |
|