講演抄録/キーワード |
講演名 |
2015-12-19 10:50
複数の局所的距離の学習法とその統合による分類手法に関する一考察 ○齋藤 洋・三川健太・後藤正幸(早大) AI2015-50 |
抄録 |
(和) |
機械学習の一手法として,データの自動分類の際に有効となる距離計量を学習するLarge Margin Nearest Neighbor (LMNN) と呼ばれる手法が用いられている.LMNN では学習データ全体に対し単一の距離計量を学習するため,学習データのカテゴリごとの統計的特徴の差異を考慮できないという問題が存在する.本研究では学習データのカテゴリに着目し,データの局所的構造を反映した複数の距離構造を学習する手法を提案する.また,これら複数の距離構造を統合した分類を行うことにより,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 based on Large Margin Nearest Neighbor (LMNN). This approach learns a single metric matrix from the whole training data, so there is a problem that the single metric matrix cannot represent the difference of statistical characteristics between categories. In order to solve this problem, focusing on the category information of training data, we propose a new method of distance metric learning which learns plural metric matrices that reflect the statistical characteristics. In order to verify the effectiveness of our proposed method, we also propose the classification method based on the combination of the plural metric matrices. |
キーワード |
(和) |
メトリックラーニング / Large Margin Nearest Neighbor / 計量行列 / 分類問題 / / / / |
(英) |
distance metric learning / Large Margin Nearest Neighbor / metric matrix / classification problem / / / / |
文献情報 |
信学技報, vol. 115, no. 381, AI2015-50, pp. 143-148, 2015年12月. |
資料番号 |
AI2015-50 |
発行日 |
2015-12-11 (AI) |
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 |
AI2015-50 |
研究会情報 |
研究会 |
AI |
開催期間 |
2015-12-18 - 2015-12-19 |
開催地(和) |
那覇市ぶんかテンブス館 |
開催地(英) |
|
テーマ(和) |
「コンテキストを意識した知識の利用」および一般 |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
AI |
会議コード |
2015-12-AI |
本文の言語 |
日本語 |
タイトル(和) |
複数の局所的距離の学習法とその統合による分類手法に関する一考察 |
サブタイトル(和) |
|
タイトル(英) |
A Study of Local Distance Metric Learning and Classifying Method Based on the Local Distances |
サブタイトル(英) |
|
キーワード(1)(和/英) |
メトリックラーニング / distance metric learning |
キーワード(2)(和/英) |
Large Margin Nearest Neighbor / Large Margin Nearest Neighbor |
キーワード(3)(和/英) |
計量行列 / metric matrix |
キーワード(4)(和/英) |
分類問題 / classification problem |
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) |
齋藤 洋 / Saito Hiroshi / サイトウ ヒロシ |
第1著者 所属(和/英) |
早稲田大学 (略称: 早大)
Waseda University (略称: Waseda Univ.) |
第2著者 氏名(和/英/ヨミ) |
三川 健太 / Mikawa Kenta / ミカワ ケンタ |
第2著者 所属(和/英) |
早稲田大学 (略称: 早大)
Waseda University (略称: Waseda Univ.) |
第3著者 氏名(和/英/ヨミ) |
後藤 正幸 / Goto Masayuki / |
第3著者 所属(和/英) |
早稲田大学 (略称: 早大)
Waseda University (略称: Waseda Univ.) |
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 |
2015-12-19 10:50:00 |
発表時間 |
20分 |
申込先研究会 |
AI |
資料番号 |
AI2015-50 |
巻番号(vol) |
vol.115 |
号番号(no) |
no.381 |
ページ範囲 |
pp.143-148 |
ページ数 |
6 |
発行日 |
2015-12-11 (AI) |