| 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 | 2009-03-14 10:45 2次元主成分分析を用いたMahalanobis距離最小化による高次元線形写像計算法:2D-M3 ○岡 藍子・和田俊和（和歌山大）  PRMU2008-267 |
|
| 抄録 | （和） | 高次元ベクトル間の写像を単純な回帰計算で求めた場合，学習サンプル数よりも入力次元数が高い場合に多重共線性の問題が生じる．この問題を解決するために我々は学習サンプルの共分散行列から計算されるMahalanobis距離を最小化する写像法M3を提案した．本来，共分散行列が正則でない場合には正確なMahalanibis距離が計算できないが，M3はこの点を解消し共分散行列が非正則の場合でも安定に写像を計算することができる．本論文では，M3を拡張し，２次元主成分分析を用いた写像計算法を提案する．２次元主成分分析を用いることで，短時間での学習，写像計算が可能となる．画像の欠損修復の実験を通して２次元主成分分析の性質を明らかにし，提案手法の有効性を議論する． |
| （英） | This paper presents a regression method, two-dimensional Mahalanobis distance minimization mapping (2D-M3), which is an extention of Mahalanobis Minimization Mapping :M3. M3 is a regression method between very high-dimensional input and output spaces based on Mahalanobis distance minimization criterion. Unlike the original M3, 2D-M3 directly extracts the features from image matrix rather than matrix-to-vector transformation. Because of this, 2D-M3 is much faster than original M3 without consuming much memory. We demonstrate the effectiveness of M3 through extensive experiments on a face image inpainting task. | |
| キーワード | （和） | 線形回帰 / 2次元主成分分析 / Mahalanobis距離 / / / / / |
| （英） | Linear Regression / two-Dimensional Principal Component Analysis / Mahalanobis Distance / / / / / | |
| 文献情報 | 信学技報, vol. 108, no. 484, PRMU2008-267, pp. 183-190, 2009年3月. | |
| 資料番号 | PRMU2008-267 | |
| 発行日 | 2009-03-06 (PRMU) | |
| 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 | PRMU2008-267 |
|
| 研究会情報 | |
| 研究会 | PRMU |
| 開催期間 | 2009-03-13 - 2009-03-14 |
| 開催地（和） | 東北工業大 |
| 開催地（英） | Tohoku Institute of Technology |
| テーマ（和） | コンピュータビジョンとパターン認識のための学習理論 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2009-03-PRMU |
| 本文の言語 | 日本語 |
| タイトル（和） | 2次元主成分分析を用いたMahalanobis距離最小化による高次元線形写像計算法:2D-M3 |
| サブタイトル（和） | |
| タイトル（英） | * |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 線形回帰 / Linear Regression |
| キーワード(2)（和/英） | 2次元主成分分析 / two-Dimensional Principal Component Analysis |
| キーワード(3)（和/英） | Mahalanobis距離 / Mahalanobis Distance |
| キーワード(4)（和/英） | / |
| 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） | 岡 藍子 / Aiko Oka / オカ アイコ |
| 第1著者 所属（和/英） | 和歌山大学 (略称： 和歌山大) Wakayama University (略称： Wakayama Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 和田 俊和 / Toshikazu Wada / |
| 第2著者 所属（和/英） | 和歌山大学 (略称： 和歌山大) Wakayama University (略称： Wakayama Univ.) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2009-03-14 10:45:00 |
| 発表時間 | 30分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2008-267 |
| 巻番号（vol） | vol.108 |
| 号番号（no） | no.484 |
| ページ範囲 | pp.183-190 |
| ページ数 | 8 |
| 発行日 | 2009-03-06 (PRMU) |
[研究会発表申込システムのトップページに戻る]