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
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 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 2010-11-05 15:30
[ポスター講演]ガウス混合分布の正規化最尤符号の効率的計算方法とモデル選択
平井 聡山西健司東大
抄録 (和) 本論文ではガウス混合分布に対して正規化最尤(NML)符号長を効率的に計算する方法を新しく提案する.NML符号長はモデルに対するデータの最短記述長(確率的コンプレキシティ)としての意味をもつが,一般に連続値データに対してNML符号長を計算すると正規化項が無限に発散してしまうという問題がある.本論文ではこの問題を克服し,${\rm O}(n^2)$($n$はデータ数)でNML符号長を計算する効率アルゴリズムを提案する.また,本手法を混合数の選択問題に適用し,既存のAICやBICといった基準と比較することでその有効性を検証する. 
(英) We are concerned with the issue of efficient computation of normalized maximum likelihood (NML) code-lengths for Gaussian mixture distributions with its applications to model selection.Although the NML code-length is the optimal one in that it achieves Shtarkov's minimax criterion,there is a problem that the normalization factor in the NML code-length becomes infinity in the case where data is continuous.In this paper we propose a method for computation of the NML code-length for Gaussian mixture distributions so that the normization term is bounded by a finite value and the total computation time is ${\rm O}(n^2)$($n$ is sample size).We empirically demonstrate the effectiveness of the proposed method in terms of the rate of convergence of the selected number of clusters in comparison with AIC and BIC.
キーワード (和) 正規化最尤符号 / MDL(Minimum Description Length)原理 / ガウス混合分布 / / / / /  
(英) Normalized Maximum Likelihood / Minimum Description Length Principle / Gaussian Mixture Distribution / / / / /  
文献情報 信学技報, vol. 110, no. 265, IBISML2010-103, pp. 327-333, 2010年11月.
資料番号 IBISML2010-103 
発行日 2010-10-28 (IBISML) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 IBISML  
開催期間 2010-11-04 - 2010-11-06 
開催地(和) 東大生産研 
開催地(英) IIS, Univ. of Tokyo 
テーマ(和) IBIS 2010 (情報論的学習理論ワークショップ) 
テーマ(英) IBIS 2010 (Workshop on Information-based Induction Sciences) 
講演論文情報の詳細
申込み研究会 IBISML 
会議コード 2010-11-IBISML 
本文の言語 日本語 
タイトル(和) ガウス混合分布の正規化最尤符号の効率的計算方法とモデル選択 
サブタイトル(和)  
タイトル(英) Efficient Computation of Normalized Maximum Likelihood Coding for Gaussian Mixtures with Its Applications to Model Selection 
サブタイトル(英)  
キーワード(1)(和/英) 正規化最尤符号 / Normalized Maximum Likelihood  
キーワード(2)(和/英) MDL(Minimum Description Length)原理 / Minimum Description Length Principle  
キーワード(3)(和/英) ガウス混合分布 / Gaussian Mixture Distribution  
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) 平井 聡 / So Hirai / ヒライ ソウ
第1著者 所属(和/英) 東京大学 (略称: 東大)
The University of Tokyo (略称: Tokyo Univ.)
第2著者 氏名(和/英/ヨミ) 山西 健司 / Kenji Yamanishi / ヤマニシ ケンジ
第2著者 所属(和/英) 東京大学 (略称: 東大)
The University of Tokyo (略称: Tokyo 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: )
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
発表日時 2010-11-05 15:30:00 
発表時間 180 
申込先研究会 IBISML 
資料番号 IEICE-IBISML2010-103 
巻番号(vol) IEICE-110 
号番号(no) no.265 
ページ範囲 pp.327-333 
ページ数 IEICE-7 
発行日 IEICE-IBISML-2010-10-28 


[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