@techreport{oai:ipsj.ixsq.nii.ac.jp:00096402,
 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 = {19},
 month = {Dec},
 note = {錐制約部分空間法は非負の特徴ベクトルに対し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，錐形状の空間の広がりが大きい場合は認識性能が低下する問題がある．本論文ではその原因が，錐形状の空間内の特徴ベクトルと錐とのなす角度が算出できないためであることを明らかにするとともに，問題の解決策として，錐に含まれる確率の算出方法とその確率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，その確率を基に特徴ベクトルの識別を行う．実験では乳腺超音波画像の実データを用いて，提案手法による病変検出精度の検証を行い，そ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 conventional method cannot calculate the angle between an input vector in the subspace of the cone and the boundary. In this paper, we propose an abnormal detection method based on probability density of normal data in cone-restricted subspace. Classification of the proposed method is based on estimated probability density of normal data in a convex cone. We demonstrate abnormal detection from breast ultrasound images using proposed method, and confirmed effectiveness of the method.},
 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},
 year = {2013}
}