お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
[ログイン]
技報アーカイブ
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2010-12-10 15:20
プロトタイプ型分類器設計における最小分類誤り学習法とサポートベクターマシンの比較
足立 守同志社大)・渡辺秀行NICT)・片桐 滋大崎美穂同志社大PRMU2010-146
抄録 (和) 分類器のクラスモデルの規模に着目し,サポートベクターマシン(SVM: Support Vector Machine)と最近提案された大幾何マージン最小分類誤り学習(LGM-MCE: Large Geometric Margin Minimum Classification Error)法の実験的な比較を行った.初めに,SVMの識別力が,スケーラビリティ問題にもつながりかねない,多数のプロトタイプ(サポートベクター)によってもたらされるものであることを示す.そして,サポートベクターの数が制限されている時にはSVMの識別力は不十分であることを指摘し,小規模でありながら高い識別力を持つ分類器を実現するためには,LGM-MCE法がSVMよりもはるかに有用であることを明らかにする. 
(英) In this paper, we experimentally compared the size of trained classifier class models (prototypes) between Support Vector Machine (SVM) and a newly proposed discriminative training method called Large Geometric Margin Minimum Classification Error (LGM-MCE) training. We first clarify that SVM often requires a large number of prototypes (i.e., support vectors), which result in a scalability problem. Next we show the insufficiency of SVM when the number of support vectors is limited and clearly demonstrate that LGM-MCE is much more useful for realizing a small-size but highly-discriminative classifier than SVM.
キーワード (和) 最小分類誤り学習 / サポートベクターマシン / プロトタイプ型分類器 / K平均法 / / / /  
(英) Minimum classification error training / Support Vector Machine / Prototype-based classifier / K-means clustering / / / /  
文献情報 信学技報, vol. 110, no. 330, PRMU2010-146, pp. 107-112, 2010年12月.
資料番号 PRMU2010-146 
発行日 2010-12-02 (PRMU) 
ISSN Print edition: ISSN 0913-5685    Online edition: ISSN 2432-6380
著作権に
ついて
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034)
PDFダウンロード PRMU2010-146

研究会情報
研究会 PRMU FM  
開催期間 2010-12-09 - 2010-12-10 
開催地(和) 山口大学 大学会館 
開催地(英)  
テーマ(和) PRMUのフロンティア・グランドチャレンジ 
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 2010-12-PRMU 
本文の言語 日本語 
タイトル(和) プロトタイプ型分類器設計における最小分類誤り学習法とサポートベクターマシンの比較 
サブタイトル(和)  
タイトル(英) Comparison between Minimum Classification Error Training and Support Vector Machine in Prototype-based Classifier Design 
サブタイトル(英)  
キーワード(1)(和/英) 最小分類誤り学習 / Minimum classification error training  
キーワード(2)(和/英) サポートベクターマシン / Support Vector Machine  
キーワード(3)(和/英) プロトタイプ型分類器 / Prototype-based classifier  
キーワード(4)(和/英) K平均法 / K-means clustering  
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) 足立 守 / Mamoru Adachi / アダチ マモル
第1著者 所属(和/英) 同志社大学大学院 (略称: 同志社大)
Graduate School, Doshisha University (略称: Doshisha Univ.)
第2著者 氏名(和/英/ヨミ) 渡辺 秀行 / Hideyuki Watanabe / ワタナベ ヒデユキ
第2著者 所属(和/英) 情報通信研究機構 (略称: NICT)
National Institute of Information and Communications Technology (略称: NICT)
第3著者 氏名(和/英/ヨミ) 片桐 滋 / Shigeru Katagiri / カタギリ シゲル
第3著者 所属(和/英) 同志社大学大学院 (略称: 同志社大)
Graduate School, Doshisha University (略称: Doshisha Univ.)
第4著者 氏名(和/英/ヨミ) 大崎 美穂 / Miho Ohsaki / オオサキ ミホ
第4著者 所属(和/英) 同志社大学大学院 (略称: 同志社大)
Graduate School, Doshisha University (略称: Doshisha Univ.)
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 2010-12-10 15:20:00 
発表時間 30分 
申込先研究会 PRMU 
資料番号 PRMU2010-146 
巻番号(vol) vol.110 
号番号(no) no.330 
ページ範囲 pp.107-112 
ページ数
発行日 2010-12-02 (PRMU) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会