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 2013-03-05 16:30
局所線形近似に基づくラベル伝播のための類似度適合
烏山昌幸馬見塚 拓京大
技報オンラインサービス実施中
抄録 (和) ラベル伝播アルゴリズムはグラフに基づく半教師付き学習の代表的手法として広く
利用されており,グラフの構造に沿ってラベルを推定する.
典型的なラベル伝播法の手順は以下の3ステップからなる:
1)グラフのエッジを生成する,2) エッジに重みを与える,3) ラベルを推定する.
本稿では2つ目のステップであるエッジの重み推定に着目する.提案するアプロー
チではエッジをノード間の類似度として表現した上で入力データの
局所線形近似誤差を最小化する.
これによって生成されたエッジは
ノード間の類似度としての表現を持ちつつも
入力空間のマニフォールド構造を近似することになる.
このアプローチの有効性を低次元マニフォールドモデルに基づく解析によって考
察する.また計算機実験では人工データと実データによって提案法が予測精度を向
上することを示す. 
(英) Label propagation is one of the state-of-the-art methods for semi-supervised
learning,
which estimates labels by propagating label information
through a graph.
Given input data, i.e. feature vectors, label propagation typically
proceeds with the following three steps: 1) generating graph edges, 2)
estimating edge weights and 3) propagating label information.
This paper focuses on the second step; estimating edge weights for
subsequent propagation step.
Our approach
uses a local linear
reconstruction with a constraint that edges are parameterized by a similarity function of node pairs. As a
result, our generated graph captures the manifold structure of the input data, where each edge represents similarity of each
node pair at the same time. For further justification, we provide
analytical considerations including
an error analysis based on a low dimensional manifold
model. Experimental results demonstrated the effectiveness of our
approach both in synthetic and real
datasets.
キーワード (和) グラフベース半教師学習 / ラベル伝播法 / グラフエッジ重み推定 / 局所線形近似 / / / /  
(英) Graph-based semi-supervised learning / label propagation / graph edge weight estimation / local linear approximation / / / /  
文献情報 信学技報, vol. 112, no. 454, IBISML2012-109, pp. 115-121, 2013年3月.
資料番号 IBISML2012-109 
発行日 2013-02-25 (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 2013-03-04 - 2013-03-05 
開催地(和) 名古屋工業大学 
開催地(英) Nagoya Institute of Technology 
テーマ(和) 一般 
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 2013-03-IBISML 
本文の言語 日本語 
タイトル(和) 局所線形近似に基づくラベル伝播のための類似度適合 
サブタイトル(和)  
タイトル(英) Similarity adaptation for label propagation based on local linear reconstruction 
サブタイトル(英)  
キーワード(1)(和/英) グラフベース半教師学習 / Graph-based semi-supervised learning  
キーワード(2)(和/英) ラベル伝播法 / label propagation  
キーワード(3)(和/英) グラフエッジ重み推定 / graph edge weight estimation  
キーワード(4)(和/英) 局所線形近似 / local linear approximation  
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) 烏山 昌幸 / Masayuki Karasuyama / カラスヤマ マサユキ
第1著者 所属(和/英) 京都大学 (略称: 京大)
Kyoto University (略称: Kyoto Univ.)
第2著者 氏名(和/英/ヨミ) 馬見塚 拓 / Hiroshi Mamitsuka / マミツカ ヒロシ
第2著者 所属(和/英) 京都大学 (略称: 京大)
Kyoto University (略称: Kyoto 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 2013-03-05 16:30:00 
発表時間 25 
申込先研究会 IBISML 
資料番号 IEICE-IBISML2012-109 
巻番号(vol) IEICE-112 
号番号(no) no.454 
ページ範囲 pp.115-121 
ページ数 IEICE-7 
発行日 IEICE-IBISML-2013-02-25 


[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