多クラス分類のためのデータ分布に基づく階層化手法の提案

• Item type: SIG Technical Reports(1)
• 公開日: 2011-09-08
• タイトル: 多クラス分類のためのデータ分布に基づく階層化手法の提案
• タイトル / 言語: en
• タイトル: A proposal of hierarchization method based on data distribution for multi class classification
• 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: 室蘭工業大学大学院情報電子工学系専攻
• 著者所属: 室蘭工業大学しくみ情報系領域
• 著者所属: 室蘭工業大学しくみ情報系領域
• 著者所属: 産業総合研究所生命情報工学研究センター
• 著者所属(英): en
• 著者所属(英): Graduate School of Information and Electronic Engineering, Muroran Institute of Technology
• 著者所属(英): en
• 著者所属(英): Department of Information and Electronic Engineering, Muroran Institute of Technology
• 著者所属(英): en
• 著者所属(英): Department of Information and Electronic Engineering, Muroran Institute of Technology
• 著者所属(英): en
• 著者所属(英): National Institute of Advanced Industrial Science and Technology Computational Biology Research Center (AIST CBRC)
• 著者名: 久須田, 樹哉; 渡邉, 真也; 施, 建明; Paul, Horton
• 著者名(英): Tatsuya, Kusuda; Shinya, Watanabe; Jianming, Shi; Paul, Horton
• 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，2 値分類手法を多クラス分類へ拡張するための新たな階層的分類メカニズムの提案を行う．従来までに提案されている One-Against-One（OAO） や One-Against-All（OAA） と異なり，提案手法では学習用として事前に与えられた各クラスのデータ分布に基づいた分類の階層化を行っている．そのため，従来までの手法に比べより高い精度の識別が期待でき，特に少数データからなるクラスの識別においてその効果を期待できると考えている．また，階層化構造がクラス間の類似度を表わすことになるため，得られた分類構造から相対的なクラス特性を推定することができる．本論文では，UCI レポジトリに含まれるいくつかの例題に対して，k-NN，OAO に基づく多クラス SVM との比較実験を行い提案する階層化メカニズムの有効性の検証を試みた．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: This paper proposes a new hierarchical method for multi-class classification using binary classifiers. Unlike existing extension methods, such as One-Against-One (OAO) and One-Against-All (OAA), our proposed method makes a hierarchic structure of classification according to distributions of each class data as given training data. Thus, a more accurate multi-class classification can be expected than by existing methods. In particular, our proposed method is expected to be more effective for classes with few samples. Since a hierarchical structure of classification derived by our proposed method is formed on the basis of similarities among classes, relative features of each class can be inferable through the classification structure. In this paper, the effectiveness of our proposed method is discussed through some examples from UCI repository, based on comparison with that of k-NN and OAO.
• 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: 研究報告数理モデル化と問題解決（MPS）; 巻 2011-MPS-85, 号 13, p. 1-6, 発行日 2011-09-08
• 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