WEKO3
アイテム
Random Forestを用いた能動学習における有効なサンプル選択
https://ipsj.ixsq.nii.ac.jp/records/100971
https://ipsj.ixsq.nii.ac.jp/records/100971939222df-82c2-4ef5-834e-6af5ec735646
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-CVIM14192030.pdf (13.9 MB)
|
Copyright (c) 2014 by the Information Processing Society of Japan
|
|
| オープンアクセス | ||
| Item type | SIG Technical Reports(1) | |||||||
|---|---|---|---|---|---|---|---|---|
| 公開日 | 2014-05-08 | |||||||
| タイトル | ||||||||
| タイトル | Random Forestを用いた能動学習における有効なサンプル選択 | |||||||
| タイトル | ||||||||
| 言語 | en | |||||||
| タイトル | Effective Sample Selection Method Using Random Forest for Active Learning | |||||||
| 言語 | ||||||||
| 言語 | jpn | |||||||
| 資源タイプ | ||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_18gh | |||||||
| 資源タイプ | technical report | |||||||
| 著者所属 | ||||||||
| 現在，中部大学 | ||||||||
| 著者所属 | ||||||||
| 現在，中部大学 | ||||||||
| 著者所属 | ||||||||
| 現在，中部大学 | ||||||||
| 著者所属 | ||||||||
| 現在，中部大学 | ||||||||
| 著者所属 | ||||||||
| 現在，中部大学 | ||||||||
| 著者所属(英) | ||||||||
| en | ||||||||
| Presently with Chubu University | ||||||||
| 著者所属(英) | ||||||||
| en | ||||||||
| Presently with Chubu University | ||||||||
| 著者所属(英) | ||||||||
| en | ||||||||
| Presently with Chubu University | ||||||||
| 著者所属(英) | ||||||||
| en | ||||||||
| Presently with Chubu University | ||||||||
| 著者所属(英) | ||||||||
| en | ||||||||
| Presently with Chubu University | ||||||||
| 著者名 |
村田, 隆英
× 村田, 隆英
|
|||||||
| 著者名(英) |
Ryuei, Murata
× Ryuei, Murata
|
|||||||
| 論文抄録 | ||||||||
| 内容記述タイプ | Other | |||||||
| 内容記述 | 能動学習は，インタラクティブに新しいサンプルを選択してラベルを付与し，学習に用いることで，より良い識別境界を求めるアプローチである．ラベルを付与するサンプル選択の際に，Vote Entropy を用いた手法では類似したサンプルが選択されるため，学習の効率が悪いという問題がある．本研究では Random Forest を用いたサンプルの密度推定を行い，密度分布の類似度を考慮したサンプルの選択法を提案する．提案手法は，類似したサンプルの選択を抑制することで，少数のサンプルによる学習の効率化が期待できる．評価実験より，従来の能動学習におけるサンプル選択法と比較し，提案手法はより少ないサンプル数で高い性能を持つ識別器の構築が可能であることを確認した． | |||||||
| 論文抄録(英) | ||||||||
| 内容記述タイプ | Other | |||||||
| 内容記述 | Active learning is an approach to make a better discriminant boundary by interactively collecting new samples. Since conventional sample selection methods such as vote entropy collect similar samples for active learning, efficiency of the learning is not good. In this paper, we propose a method for selecting samples based on the similarity of density maps obtained by density forests. We confirmed that the proposed method makes better discriminant boundary with smaller number of samples used for the learning. | |||||||
| 書誌レコードID | ||||||||
| 収録物識別子タイプ | NCID | |||||||
| 収録物識別子 | AA11131797 | |||||||
| 書誌情報 |
研究報告コンピュータビジョンとイメージメディア（CVIM） 巻 2014-CVIM-192, 号 30, p. 1-8, 発行日 2014-05-08 |
|||||||
| Notice | ||||||||
| SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. | ||||||||
| 出版者 | ||||||||
| 言語 | ja | |||||||
| 出版者 | 情報処理学会 | |||||||
