| 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 | 2020-03-17 17:05 カーネル最小分類誤り学習法のベイズ誤り推定能力に関する実験的評価 ○山田浩嗣（同志社大）・渡辺秀行（ATR）・片桐 滋・大崎美穂（同志社大）  PRMU2019-100 |
|
| 抄録 | （和） | カーネル最小分類誤り（KMCE: Kernel Minimum Classification Error）学習法によって学習されるカーネル写像を伴うパターン分類器が，やはりカーネル写像を伴うサポートベクターマシン（SVM: Support Vector Machine）よりも圧倒的に小さなモデルサイズで，SVMと同等の高い分類率を達成し得ることが示されている．しかし，両分類器に関する従来の評価実験は分割学習法に基づいたものであり，ベイズ誤り推定の視点に立つ評価は必ずしも十分ではなかった．本稿では，4種の実世界データセットと交差検証法を用いた評価実験を通して，KMCE学習法に基づく分類器が持つ優れたベイズ誤り推定力を明らかにする． |
| （英） | A pattern classifier incorporating kernel mapping, which is trained by the Kernel Minimum Classification Error (KMCE) training method, is shown to achieve the almost same high classification accuracy as an alternative kernel-mapping-based classifier, Support Vector Machine (SVM). However, previous evaluations for these classifiers were simply conducted in the Hold-Out scheme, and their results are not necessarily sufficient from the viewpoint of Bayes error estimation. In the paper, we compare them using four real-life datasets in the Cross-Validation scheme, and show that the KMCE-training-based classifier can accurately estimate the Bayes error with a much smaller classifier size than that of SVM. | |
| キーワード | （和） | カーネル最小分類誤り学習法 / カーネル / サポートベクターマシン / / / / / |
| （英） | Kernel Minimum Classification Error training / Kernel mapping / Support Vector Machine / / / / / | |
| 文献情報 | 信学技報, vol. 119, no. 481, PRMU2019-100, pp. 237-242, 2020年3月. | |
| 資料番号 | PRMU2019-100 | |
| 発行日 | 2020-03-09 (PRMU) | |
| ISSN | 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 | PRMU2019-100 |
|
| 研究会情報 | |
| 研究会 | PRMU IPSJ-CVIM |
| 開催期間 | 2020-03-16 - 2020-03-17 |
| 開催地（和） | 京都大学 |
| 開催地（英） | |
| テーマ（和） | 安全安心、セキュリティ・防災 |
| 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 | 2020-03-PRMU-CVIM |
| 本文の言語 | 日本語 |
| タイトル（和） | カーネル最小分類誤り学習法のベイズ誤り推定能力に関する実験的評価 |
| サブタイトル（和） | |
| タイトル（英） | Experimental Evaluation on Bayes Error Estimation Capability of Kernel Minimum Classification Error Training |
| サブタイトル（英） | |
| キーワード(1)（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(2)（和/英） | カーネル / Kernel mapping |
| キーワード(3)（和/英） | サポートベクターマシン / Support Vector Machine |
| 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） | 山田 浩嗣 / Koji Yamada / ヤマダ コウジ |
| 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） | 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 Ohsaki / 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 | 2020-03-17 17:05:00 |
| 発表時間 | 15分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2019-100 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.481 |
| ページ範囲 | pp.237-242 |
| ページ数 | 6 |
| 発行日 | 2020-03-09 (PRMU) |
[研究会発表申込システムのトップページに戻る]