@article{oai:ipsj.ixsq.nii.ac.jp:00141578,
 author = {山崎, 優大 and 野里, 博和 and 岩田, 昌也 and 高橋, 栄一 and 何森, 亜由美 and 岩瀬, 拓士 and 坂無, 英徳 and Yudai, Yamazaki and Hirokazu, Nosato and Masaya, Iwata and Eiichi, Takahashi and Ayumi, Izumori and Takuji, Iwase and Hidenori, Sakanashi},
 issue = {1},
 journal = {情報処理学会論文誌数理モデル化と応用（TOM）},
 month = {Mar},
 note = {錐制約部分空間法は，非負の特徴ベクトルに対して錐形状の空間を形成することで学習パターンを精度良く表現し，錐との角度を基にパターン認識を行う．しかし，錐形状の空間内では表面付近と中心付近の特徴ベクトルの区別ができないため，錐形状の空間の広がりが大きい場合は，認識性能が低下するという問題がある．そこで本論文では，錐の表面付近の異常を検出するため，錐形状の空間における確率密度を基にした異常検出手法を提案する．提案手法では，錐形状の部分空間の広がり方向を表す空間上において学習パターンの確率密度関数を作成し，確率密度が低い位置に存在する特徴ベクトルを異常として検出する．実験では，乳腺超音波画像の実データを用いて病変検出精度の検証を行い，提案手法の有効性を確認した．, A cone-restricted subspace method can express learning patterns accurately by generating a convex cone for non-negative feature vectors. Classification of conventional method is performed based on the angle between the input vector and the cone. However, recognition performance is reduced if the spread of the convex cone is large, because it is impossible to distinguish between vectors near the surface and those around the center of the cone. This paper proposes an anomaly detection method based on probability density of normal data in cone-restricted subspace. Classification by the proposed method is based on the probability contained in the convex cone. We demonstrate anomaly detection from breast ultrasound images using proposed method, and confirmed effectiveness of the method.},
 pages = {28--37},
 title = {錐制約部分空間法における正常データの確率密度推定に基づく異常検出},
 volume = {8},
 year = {2015}
}