お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
[ログイン]
技報アーカイブ
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2017-09-15 16:20
リッジ回帰によるk近傍分類の性能改善
重藤優太郎千葉工大)・新保 仁松本裕治奈良先端大PRMU2017-53 IBISML2017-25
抄録 (和) 本論文では, $k$近傍分類のための非類似度関数とその学習法を提案する. 既存の距離学習は, 目的関数に基づいた写像行列を学習し, この写像行列を用いてクエリ事例とラベル付き事例を特徴空間の新たな点に写像する. 一方で, 本論文の提案手法は, クエリ事例を固定し, ラベル付き事例のみを同一特徴空間上の適切な点に移動する. 提案手法がもたらす$k$近傍分類の性能改善は, ハブ事例の出現という観点から説明することができる. 近年, ハブ事例の出現による, 近傍法の性能低下が報告されている. 本論文では, このハブ事例の出現を抑制することにより, 分類性能の改善を行う. 実験の結果, 文書および画像データの分類において, 提案手法が, 既存の距離学習よりも良い, もしくは同等の正解率を得ることを確認した. 
(英) This paper proposes an inexpensive way to learn an effective dissimilarity function to be used for $k$-nearest neighbor ($k$-NN) classification. Unlike Mahalanobis metric learning methods that map both query (unlabeled) objects and labeled objects to new coordinates by a single transformation, our method learns a transformation of labeled objects to new points in the feature space whereas query objects are kept in their original coordinates. In experiments with large document and image datasets, it achieves $k$-NN classification accuracy better than or at least comparable to the state-of-the-art metric learning methods.
キーワード (和) $k$近傍分類 / 距離学習 / リッジ回帰 / ハブの出現 / / / /  
(英) $k$-nearest neighbor classification / metric learning / ridge regression / hubness phenomenon / / / /  
文献情報 信学技報, vol. 117, no. 211, IBISML2017-25, pp. 113-119, 2017年9月.
資料番号 IBISML2017-25 
発行日 2017-09-08 (PRMU, IBISML) 
ISSN Print edition: ISSN 0913-5685    Online edition: ISSN 2432-6380
著作権に
ついて
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034)
PDFダウンロード PRMU2017-53 IBISML2017-25

研究会情報
研究会 PRMU IBISML IPSJ-CVIM  
開催期間 2017-09-15 - 2017-09-16 
開催地(和) 東京大学 本郷キャンパス 
開催地(英)  
テーマ(和) パターン認識・機械学習基盤技術および深層学習によるメディア生成・変換・認識 
テーマ(英)  
講演論文情報の詳細
申込み研究会 IBISML 
会議コード 2017-09-PRMU-IBISML-CVIM 
本文の言語 日本語 
タイトル(和) リッジ回帰によるk近傍分類の性能改善 
サブタイトル(和)  
タイトル(英) Ridge Regression for Improving the Accuracy of k-Nearest Neighbor Classification 
サブタイトル(英)  
キーワード(1)(和/英) $k$近傍分類 / $k$-nearest neighbor classification  
キーワード(2)(和/英) 距離学習 / metric learning  
キーワード(3)(和/英) リッジ回帰 / ridge regression  
キーワード(4)(和/英) ハブの出現 / hubness phenomenon  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 重藤 優太郎 / Yutaro Shigeto / シゲトウ ユウタロウ
第1著者 所属(和/英) 千葉工業大学 (略称: 千葉工大)
Chiba Institute of Technology (略称: CIT)
第2著者 氏名(和/英/ヨミ) 新保 仁 / Masashi Shimbo / シンボ マサシ
第2著者 所属(和/英) 奈良先端科学技術大学院大学 (略称: 奈良先端大)
Nara Institute of Science and Technology (略称: NAIST)
第3著者 氏名(和/英/ヨミ) 松本 裕治 / Yuji Matsumoto / マツモト ユウジ
第3著者 所属(和/英) 奈良先端科学技術大学院大学 (略称: 奈良先端大)
Nara Institute of Science and Technology (略称: NAIST)
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2017-09-15 16:20:00 
発表時間 30分 
申込先研究会 IBISML 
資料番号 PRMU2017-53, IBISML2017-25 
巻番号(vol) vol.117 
号番号(no) no.210(PRMU), no.211(IBISML) 
ページ範囲 pp.113-119 
ページ数
発行日 2017-09-08 (PRMU, IBISML) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会