| 講演抄録／キーワード |
| 講演名 |
2007-03-14 11:20
SVMの分割型学習アルゴリズムにおける変数選択について ～ 共役勾配法に基づく選択法の提案と実験的評価 ～
○川添裕介（九大）・蔵之下正志（富士フイルム）・高橋規一・竹内純一（九大） |
| 抄録 |
（和） |
サポートベクトルマシン(SVM)の学習は2次計画問題に帰着される．SVMの学習アルゴリズムとして広く用いられているSMOアルゴリズムやSVM${}^{\rm light}$などの分割法は，それらの2次計画問題の効率的な反復解法であり，各ステップにおいて，1) 全変数の中から少数の変数を選択する，2) 選択された変数に関する2次計画問題を解く，という二つの操作を行う．本稿では，共役勾配法に基づく新しい変数選択法を提案し，パターン識別問題および回帰問題のベンチマークデータを用いてその有効性を検証する． |
| （英） |
Learning of a support vector machine (SVM) is formulated as a quadratic
programming (QP) problem. Decomposition methods such as sequential minimal optimization algorithm and SVM${}^{\rm light}$ are efficient iterative techniques for solving QP problems arising in SVMs. In each step, the decomposition method chooses a small number of variables and then solves the QP problem with respect to those selected variables. In this report, we propose a novel variable selection method based on conjugate gradient method and evaluate its effectiveness by using several benchmark data on both pattern classification and regression
problems. |
| キーワード |
（和） |
サポートベクトルマシン / 2次計画問題 / 分割法 / 変数選択 / 収束 / / / |
| （英） |
support vector machine / quadratic programming problem / decomposition method / working set selection / convergence / / / |
| 文献情報 |
信学技報, vol. 106, no. 588, NC2006-139, pp. 127-132, 2007年3月. |
| 資料番号 |
NC2006-139 |
| 発行日 |
2007-03-07 (NC) |
| ISSN |
Print edition: ISSN 0913-5685 |
| PDFダウンロード |
|