多クラス問題におけるSVMのカーネルパラメータ最適化

• Item type: SIG Technical Reports(1)
• 公開日: 2008-08-21
• タイトル: 多クラス問題におけるSVMのカーネルパラメータ最適化
• タイトル / 言語: en
• タイトル: Kernel Parameter Optimization of Support Vector Machine in Multiclass problem
• 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: 室蘭工業大学情報工学専攻
• 著者所属: 室蘭工業大学情報工学科
• 著者所属(英): en
• 著者所属(英): Graduate School of Muroran Institute of Technology
• 著者所属(英): en
• 著者所属(英): Department of Computer Science & Systems Engineering Muroran Institute of Technology
• 著者名: 木村, 幸代; 渡邉, 真也
• 著者名(英): Yukiyo, Kimura; Shinya, Watanabe
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本研究では， 多クラス Support Vector Machine (SVM) に対する多目的最適化を用いたカーネルパラメータ最適化を行った． カーネル関数としては， 通常の RBF カーネルを発展させた重み付き RBF カーネルを採用し， 評価基準の設定による識別性能への影響について調査した． vehicle データと glass データを用いた実験結果より， サポートベクターの数， AUC (avg) ， AUC (min) の 3 つを組み合わせたものが最も良い精度となることがわかった．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: This paper tries to apply evolutionary multi-criterion optimization (EMO) to the parameters estimation problem of multi-class support vector machines (SVMs). As the kernel function, we choice the weighted radial basis function (RBF) kernel, which the number of parameters equals the dimension of the input patterns. In this paper, we investigate which combination of objectives should be used to designing the kernel parameters of SVMs through computational experiments on vehicle and glass.Through the results of examples, it turns out that the combination of Number of Support Vector and AUC(avg) and AUC(min) could be more suitable for this problem.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11253943
• 書誌情報: 情報処理学会研究報告情報システムと社会環境（IS）; 巻 2008, 号 81(2008-IS-105), p. 45-51, 発行日 2008-08-21
• 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