講演抄録/キーワード |
講演名 |
2011-07-25 15:40
チャンクデータに対する追加学習型カーネル主成分分析アルゴリズム ○徳本隆臣・小澤誠一(神戸大) NC2011-29 |
抄録 |
(和) |
逐次的に追加されるストリームデータに対し,オンラインで
認識性能を改善できる追加学習アルゴリズムが注目されている.
この一つとして,カーネル主成分分析(KPCA)を追加学習可能な
ように拡張した追加学習型カーネル主成分分析(IKPCA)アルゴリズムが
いくつか提案されている.このうち,竹内らは追加データの
一次独立性判定を寄与率の閾値判定に置き換えることで高速な
追加学習を実現している.しかし,複数のデータがチャンク状に与え
られた場合,個々のデータを逐次的に学習するため,学習に時間
がかかる問題があった.
本研究では,チャンクデータを一度に学習できる
よう竹内らのIKPCAアルゴリズムを拡張する.
提案アルゴリズムでは,まず寄与率に基づいて必要な固有軸を追加し,
特徴固有空間を近似するよう回転する.この特徴固有空間の回転は,
過去のデータを用いず,固有値問題を一回解くだけで得られるため,
高速に追加学習が可能となる.ベンチマークデータを用いた評価実験の結果は,
提案アルゴリズムが竹内らの IKPCA と同等の認識率を維持しながら,より高速な学習が
行えることを示した. |
(英) |
In this paper, a new algorithm for Kernel Principal Component Analysis (KPCA) is proposed.
We extended Takeuchi et al's Incremental KPCA to learn multiple data given at the same time by solving an eigenvalue problem at once.
In our method, one or more linear independent data are selected from data in chunk based on the accumulation ratio.
After the selection, the eigenspace is rotated by solving an eigenvalue problem at last. This rotation is done only once.
So proposed IKPCA can learn faster than Takeuchi et al's IKPCA in which an eigenvalue problem should be solved for individual data.
The experimental results shows that the proposed IKPCA can learn faster than Takeuchi et al's IKPCA without losing classification accuracy seriously. |
キーワード |
(和) |
追加学習 / カーネル法 / 主成分分析 / 特徴抽出 / / / / |
(英) |
incremental learning / kernel method / principal component analysis / feature extraction / / / / |
文献情報 |
信学技報, vol. 111, no. 157, NC2011-29, pp. 49-54, 2011年7月. |
資料番号 |
NC2011-29 |
発行日 |
2011-07-18 (NC) |
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 |
NC2011-29 |
研究会情報 |
研究会 |
NC |
開催期間 |
2011-07-25 - 2011-07-26 |
開催地(和) |
神戸大学大学院工学研究科 |
開催地(英) |
Graduate School of Engineering, Kobe University |
テーマ(和) |
知的システム、一般 |
テーマ(英) |
Intelligent systems and general |
講演論文情報の詳細 |
申込み研究会 |
NC |
会議コード |
2011-07-NC |
本文の言語 |
日本語 |
タイトル(和) |
チャンクデータに対する追加学習型カーネル主成分分析アルゴリズム |
サブタイトル(和) |
|
タイトル(英) |
An Incremental Learning Algorithm of Kernel Principal Component Analysis for Chunk Data |
サブタイトル(英) |
|
キーワード(1)(和/英) |
追加学習 / incremental learning |
キーワード(2)(和/英) |
カーネル法 / kernel method |
キーワード(3)(和/英) |
主成分分析 / principal component analysis |
キーワード(4)(和/英) |
特徴抽出 / feature extraction |
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) |
徳本 隆臣 / Takaomi Tokumoto / トクモト タカオミ |
第1著者 所属(和/英) |
神戸大学 (略称: 神戸大)
Kobe University (略称: Kobe Univ) |
第2著者 氏名(和/英/ヨミ) |
小澤 誠一 / Seiichi Ozawa / オザワ セイイチ |
第2著者 所属(和/英) |
神戸大学 (略称: 神戸大)
Kobe University (略称: Kobe 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 |
第1著者 |
発表日時 |
2011-07-25 15:40:00 |
発表時間 |
25分 |
申込先研究会 |
NC |
資料番号 |
NC2011-29 |
巻番号(vol) |
vol.111 |
号番号(no) |
no.157 |
ページ範囲 |
pp.49-54 |
ページ数 |
6 |
発行日 |
2011-07-18 (NC) |