ログイン 新規登録
言語:

WEKO3

  • トップ
  • ランキング
To
lat lon distance
To

Field does not validate



インデックスリンク

インデックスツリー

メールアドレスを入力してください。

WEKO

One fine body…

WEKO

One fine body…

アイテム

  1. 論文誌(トランザクション)
  2. 数理モデル化と応用(TOM)
  3. Vol.49
  4. No.SIG4(TOM20)

カーネル主成分分析を用いた学習機械のパラメータ自動決定法

https://ipsj.ixsq.nii.ac.jp/records/17072
https://ipsj.ixsq.nii.ac.jp/records/17072
426fec53-719a-4397-bc33-490006f0c249
名前 / ファイル ライセンス アクション
IPSJ-TOM4904009.pdf IPSJ-TOM4904009.pdf (455.5 kB)
Copyright (c) 2008 by the Information Processing Society of Japan
オープンアクセス
Item type Trans(1)
公開日 2008-03-15
タイトル
タイトル カーネル主成分分析を用いた学習機械のパラメータ自動決定法
タイトル
言語 en
タイトル The Automatic Parameter Tuning in Learning with Kernel PCA
言語
言語 jpn
キーワード
主題Scheme Other
主題 オリジナル論文
資源タイプ
資源タイプ識別子 http://purl.org/coar/resource_type/c_6501
資源タイプ journal article
著者所属
電気通信大学大学院情報通信工学専攻
著者所属
電気通信大学情報通信工学科
著者所属
電気通信大学情報通信工学科
著者所属(英)
en
Department of Information and Communication Engineering,The University of Electro-Communications
著者所属(英)
en
The University of Electro-Communications
著者所属(英)
en
The University of Electro-Communications
著者名 関口, 涼平 高橋, 治久 堀田, 一弘

× 関口, 涼平 高橋, 治久 堀田, 一弘

関口, 涼平
高橋, 治久
堀田, 一弘

Search repository
著者名(英) Ryohei, Sekiguchi Haruhisa, Takahashi Kazuhiro, Hotta

× Ryohei, Sekiguchi Haruhisa, Takahashi Kazuhiro, Hotta

en Ryohei, Sekiguchi
Haruhisa, Takahashi
Kazuhiro, Hotta

Search repository
論文抄録
内容記述タイプ Other
内容記述 本論文では,カーネル主成分分析(KPCA)に基づいた新しい学習機械を提案する.KPCA は,パターン識別の前処理として用いられ,主成分分析を使う場合より良い認識性能が出せる場合も報告されている.KPCA と線形サポートベクトルマシンを合わせたカーネルプロジェクションマシン(KPM)は,モデル選択との併用により,少ない学習時間でサポートベクトルマシン(SVM)と同等の汎化性能が得られる利点があるが,その性能はSVM と同様カーネルパラメータに大きく依存する.本論文では,KPM に対し,KPCA の理論に基づいて最適なカーネルパラメータを決定するアルゴリズムを提案し,計算機実験によりその性能を評価する.SVM との計算機実験による比較により,提案手法が少ない計算時間でより良い性能を達成できることを示す.
論文抄録(英)
内容記述タイプ Other
内容記述 This paper proposes a new learning machine based on Kernel Principal Component Analysis(KPCA). KPCA is usually used as a pre-processing process preceding application of learning machines, thereby better performance is achieved than linear Principal Component Analysis in some cases. Kernel Projection Machine (KPM), which is proposed by Blanchard etc., applies linear SVM after KPCA with a model selection process. Although KPM can perform equally to Support vector Machine (SVM) with smaller execution time, its performance heavily depends on the kernel parameter. We propose a novel algorithm to determine the optimal kernel parameter in the learning process. The algorithm is obtained based on the theory of KPCA, and we show that the proposed learning method show a better performance than SVM in both generalization and computation time through computer experiments.
書誌レコードID
収録物識別子タイプ NCID
収録物識別子 AA11464803
書誌情報 情報処理学会論文誌数理モデル化と応用(TOM)

巻 49, 号 SIG4(TOM20), p. 79-87, 発行日 2008-03-15
ISSN
収録物識別子タイプ ISSN
収録物識別子 1882-7780
出版者
言語 ja
出版者 情報処理学会
戻る
0
views
See details
Views

Versions

Ver.1 2025-01-22 23:32:51.540582
Show All versions

Share

Mendeley Twitter Facebook Print Addthis

Cite as

エクスポート

OAI-PMH
  • OAI-PMH JPCOAR
  • OAI-PMH DublinCore
  • OAI-PMH DDI
Other Formats
  • JSON
  • BIBTEX

Confirm


Powered by WEKO3


Powered by WEKO3