講演抄録/キーワード |
講演名 |
2014-07-17 10:10
低次元計量行列の学習とその結合による計量行列学習の計算量削減法 ○齋藤 洋・山崎文博・三川健太・後藤正幸(早大) IT2014-12 |
抄録 |
(和) |
本研究では,メトリックラーニングの代表的な手法であるMahalanobis Metric for Clustering (MMC)に着目する.MMCでは,学習データ数の増加や入力データの高次元化により計算量が著しく増加してしまうことが知られている.本研究ではこの問題の解決のため,学習データと特徴次元をランダムに削減し,その下で計量行列を学習する作業を繰り返して結合する手法を提案し,分類精度維持と計算量削減を図る.ベンチマークデータと人工データを用いた評価実験を行い,分類精度と計算量両面から提案手法の有効性を示す. |
(英) |
The distance metric learning is the approach which enables to acquire a good metric for automatic data classification. In this paper, we focus on the typical distance metric learning approach of Mahalanobis Metric for Clustering (MMC). It is known that MMC has a problem such that the computational cost becomes enormous when the number of training data or dimension of the feature space becomes large. In order to solve this problem, we propose the combinational way based on ensemble of low-dimensional metric matrices produced by selecting several features randomly. |
キーワード |
(和) |
メトリックラーニング / Mahalanobis Metric for Clustering / 計量行列 / アンサンブル学習 / / / / |
(英) |
distance metric learning / Mahalanobis Metric for Clustering / metric matrix / ensemble / / / / |
文献情報 |
信学技報, vol. 114, no. 138, IT2014-12, pp. 7-12, 2014年7月. |
資料番号 |
IT2014-12 |
発行日 |
2014-07-10 (IT) |
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 |
IT2014-12 |