カーネル主成分分析を用いた学習機械のパラメタ自動決定法

• Item type: SIG Technical Reports(1)
• 公開日: 2007-03-03
• 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: 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: 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
• 著者所属(英): Department of Information and Communication Engi neering, The University of Electro-Communications
• 著者所属(英): en
• 著者所属(英): The University of Electro-Communications
• 著者所属(英): en
• 著者所属(英): The University of Electro-Communications
• 著者名: 関口, 涼平; 高橋, 拾久; 堀田, 一弘
• 著者名(英): RYOHEI, SEKIGUCHI; HARUHISA, TAKAHASHI; KAZUHIRO, HOTTA
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 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賞ンマシン(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タを求め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よい性能を達成していることを示す。
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 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 Blahchard etc., ap plies 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 heav ily Spends 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
• 書誌レコードID / 収録物識別子: AN10505667
• 書誌情報: 情報処理学会研究報告数理モデル化と問題解決（MPS）; 巻 2007, 号 19(2007-MPS-063), p. 9-12, 発行日 2007-03-03
• 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