講演抄録/キーワード |
講演名 |
2011-06-20 16:15
ガウス混合分布の再正規化最尤符号の効率的計算法とクラスタリング ○平井 聡・山西健司(東大) IBISML2011-5 |
抄録 |
(和) |
本論文ではガウス混合分布に対して再正規化最尤(RNML)符号長を効率的に計算する方法を新しく提案する.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)としての意味を持つ正規化最尤(NML)符号長をガウス混合分布に適用すると結果がパラメータに大きく依存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たRNML符号長を${\rm O}(n^2)$($n$はデータ数)で計算する効率的アルゴリズムを提案する.また本手法をガウス混合分布の混合数の選択問題に適用し,既存のAICやBICといった規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 re-normalized maximum likelihood (RNML) 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 NML code-length highly depends on the given parameter.In this paper we propose a method for computation of the RNML code-length for Gaussian mixture distributions, which overcomes this problem above,so 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) |
再正規化最尤符号 / 正規化最尤符号 / MDL(Minimum Description Length)原理 / ガウス混合分布 / / / / |
(英) |
Re-Normalized Maximum Likelihood / Normalized Maximum Likelihood / Minimum Description Length Principle / Gaussian Mixture Distribution / / / / |
文献情報 |
信学技報, vol. 111, no. 87, IBISML2011-5, pp. 29-35, 2011年6月. |
資料番号 |
IBISML2011-5 |
発行日 |
2011-06-13 (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 |
IBISML2011-5 |
研究会情報 |
研究会 |
IBISML |
開催期間 |
2011-06-20 - 2011-06-21 |
開催地(和) |
武田ホール |
開催地(英) |
Takeda Hall |
テーマ(和) |
機械学習とその応用 |
テーマ(英) |
Machine learning and its applications |
講演論文情報の詳細 |
申込み研究会 |
IBISML |
会議コード |
2011-06-IBISML |
本文の言語 |
日本語 |
タイトル(和) |
ガウス混合分布の再正規化最尤符号の効率的計算法とクラスタリング |
サブタイトル(和) |
|
タイトル(英) |
Efficient Computation of Re-Normalized Maximum Likelihood Coding for Gaussian Mixtures with Its Applications to Optimal Clustering |
サブタイトル(英) |
|
キーワード(1)(和/英) |
再正規化最尤符号 / Re-Normalized Maximum Likelihood |
キーワード(2)(和/英) |
正規化最尤符号 / Normalized Maximum Likelihood |
キーワード(3)(和/英) |
MDL(Minimum Description Length)原理 / Minimum Description Length Principle |
キーワード(4)(和/英) |
ガウス混合分布 / Gaussian Mixture Distribution |
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: Univ. of Tokyo) |
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: Univ. of Tokyo) |
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 |
第1著者 |
発表日時 |
2011-06-20 16:15:00 |
発表時間 |
30分 |
申込先研究会 |
IBISML |
資料番号 |
IBISML2011-5 |
巻番号(vol) |
vol.111 |
号番号(no) |
no.87 |
ページ範囲 |
pp.29-35 |
ページ数 |
7 |
発行日 |
2011-06-13 (IBISML) |