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 2018-03-05 13:50
複数の距離計量を用いたk-近傍推定のための距離学習
關 翼人村田 昇早大IBISML2017-92
抄録 (和) グラフデータなどに代表される非構造化データでは,データ間の関係を表す距離計量が複数算出されることが多い.
本稿では,データ間の複数の距離計量を用いたk-近傍推定のための距離学習を提案する.
提案法ではデータ間の複数の距離計量における近傍関係から,目的の距離計量におけるデータ間の近傍関係を推定する.
具体的には,決定木を用いて目的の距離計量における近傍関係を保持した小さなデータ集合への直和分解を行う.
Random Forestにならいブートストラップサンプリングと分解に用いる距離計量の選択により,多様なパターンによる
データ集合の分解を行い,分解の結果からデータ間の近傍度を計算する.
人工データおよび間取りデータを用いた実データ実験により,提案法による$k$-近傍推定における評価指標の向上を示す. 
(英) The relationship between unstructured datasets such as graphs can be measured by multiple distance metrics.
In this paper, we propose a new metric learning method for $k$-nearest neighbor using multiple distance metrics.
In our proposed method, the neighborhood relations with respect to the target distance metric are estimated from the neighborhood relations with respect to other multiple distance metrics.
We use decision tree to direct sum decompose datasets to small datasets which holds the neighborhood relations with respect to the target distance metric.
Following Random Forest, we use bootstrap sampling and sample distance to decompose datasets in various manners.
The proximity among the datasets are calculated from the decomposition result.
We conducted numerical experiments with an artificial datasets, and a real datasets concerning floor plan. The experiments show the improvement of accuracy.
キーワード (和) 距離学習 / k-近傍推定 / 決定木 / 非構造化データ / / / /  
(英) Metric Learning / k-Nearest Neighbor Estimation / Decision Tree / Unstructured Data / / / /  
文献情報 信学技報, vol. 117, no. 475, IBISML2017-92, pp. 15-19, 2018年3月.
資料番号 IBISML2017-92 
発行日 2018-02-26 (IBISML) 
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 IBISML2017-92

研究会情報
研究会 IBISML  
開催期間 2018-03-05 - 2018-03-06 
開催地(和) 九州大学 西新プラザ 
開催地(英) Nishijin Plaza, Kyushu University 
テーマ(和) 統計数理・機械学習・データマイニング・一般 
テーマ(英) Statisitical Mathematics, Machine Learning, Data Mining, etc. 
講演論文情報の詳細
申込み研究会 IBISML 
会議コード 2018-03-IBISML 
本文の言語 日本語 
タイトル(和) 複数の距離計量を用いたk-近傍推定のための距離学習 
サブタイトル(和)  
タイトル(英) Metric Learning for k-Nearest Neighbor Estimation using Multiple Distance Metrics 
サブタイトル(英)  
キーワード(1)(和/英) 距離学習 / Metric Learning  
キーワード(2)(和/英) k-近傍推定 / k-Nearest Neighbor Estimation  
キーワード(3)(和/英) 決定木 / Decision Tree  
キーワード(4)(和/英) 非構造化データ / Unstructured Data  
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) 關 翼人 / Yokuto Seki / セキ ヨクト
第1著者 所属(和/英) 早稲田大学 (略称: 早大)
Waseda University (略称: Waseda Univ.)
第2著者 氏名(和/英/ヨミ) 村田 昇 / Noboru Murata / ムラタ ノボル
第2著者 所属(和/英) 早稲田大学 (略称: 早大)
Waseda University (略称: Waseda Univ.)
第3著者 氏名(和/英/ヨミ) / /
第3著者 所属(和/英) (略称: )
(略称: )
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 2018-03-05 13:50:00 
発表時間 25分 
申込先研究会 IBISML 
資料番号 IBISML2017-92 
巻番号(vol) vol.117 
号番号(no) no.475 
ページ範囲 pp.15-19 
ページ数
発行日 2018-02-26 (IBISML) 


[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