| 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 | 2017-02-18 11:20 最小分類誤り基準に基づくサポートベクター再学習による小規模カーネル分類器 ○谷 陵真（同志社大）・渡辺秀行（ATR）・片桐 滋・大崎美穂（同志社大）  PRMU2016-159 CNR2016-26 |
|
| 抄録 | （和） | サポートベクター（Support Vector: SV）を学習標本に固定化する多クラスサポートベクターマシンと異なり，カーネル最小分類誤り（Kernel Minimum Classification Error: KMCE）学習法は，学習標本を集約したプロトタイプとしてSVの再配置を可能とする．この特徴に注目し，SVに対する重みベクトルのノルムに基づくSVの削減とKMCE法とを用いて，高い分類力をもつ小規模カーネル分類器の構築を目指す．4種の分類実験を通して，提案手法が，課題の難易度に応じてSVを効果的に削減し，目標の小規模カーネル分類器を実現し得ることを明らかにする． |
| （英） | Different from the Multi-class Support Vector Machine (MSVM) that fixes Support Vectors (SVs) to training samples, the Kernel Minimum Classification Error (KMCE) training method readjusts SVs, each being treated as a sample-based prototype. Focusing on this feature of KMCE method, we aim to develop a small-sized accurate kernel classifier by reducing SVs based on the norm of the weight vector for SV and applying the KMCE training. In four classification experiments, we show that our proposed procedure can effectively reduce SVs depending on the classification difficulty of task and successfully achieve small-sized classifiers. | |
| キーワード | （和） | 多クラスサポートベクターマシン / カーネル最小分類誤り学習法 / カーネル / / / / / |
| （英） | Multi-class Support Vector Machine / Kernel Minimum Classification Error Training / Kernel / / / / / | |
| 文献情報 | 信学技報, vol. 116, no. 461, PRMU2016-159, pp. 41-46, 2017年2月. | |
| 資料番号 | PRMU2016-159 | |
| 発行日 | 2017-02-11 (PRMU, CNR) | |
| 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 | PRMU2016-159 CNR2016-26 |
|
| 研究会情報 | |
| 研究会 | PRMU CNR |
| 開催期間 | 2017-02-18 - 2017-02-19 |
| 開催地（和） | 北海道大学 |
| 開催地（英） | |
| テーマ（和） | 実世界センシングと応用 |
| 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 | 2017-02-PRMU-CNR |
| 本文の言語 | 日本語 |
| タイトル（和） | 最小分類誤り基準に基づくサポートベクター再学習による小規模カーネル分類器 |
| サブタイトル（和） | |
| タイトル（英） | Small-sized Kernel Classifier By Support Vector Retraining Based on Minimum Classification Error Criterion |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 多クラスサポートベクターマシン / Multi-class Support Vector Machine |
| キーワード(2)（和/英） | カーネル最小分類誤り学習法 / Kernel Minimum Classification Error Training |
| キーワード(3)（和/英） | カーネル / Kernel |
| 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） | 谷 陵真 / Ryoma Tani / タニ リョウマ |
| 第1著者 所属（和/英） | 同志社大学 (略称： 同志社大) 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） | 株式会社 国際電気通信基礎技術研究所 (略称： ATR) Advanced Telecommunications Research Institute International (略称： ATR) |
| 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 (略称： 同志社大) Doshisha University (略称： Doshisha Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 大崎 美穂 / Miho Osaki / オオサキ ミホ |
| 第4著者 所属（和/英） | 同志社大学 (略称： 同志社大) 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-02-18 11:20:00 |
| 発表時間 | 25分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2016-159, CNR2016-26 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | no.461(PRMU), no.462(CNR) |
| ページ範囲 | pp.41-46 |
| ページ数 | 6 |
| 発行日 | 2017-02-11 (PRMU, CNR) |
[研究会発表申込システムのトップページに戻る]