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 2018-02-16 11:30
SFEM-GSによる特徴統合を利用した映像の評価値推定の高精度化
伊藤良起小川貴弘長谷山美紀北大
技報オンラインサービス実施中
抄録 (和) 本稿では,正準相関分析手法として, supervised fractional-order embedding multiview canonical correlation analysis (SFEMCCA) ,さらに,データの幾何構造を解析する枠組みを導入した SFEMCCA with geometrical structure (SFEM-GS) の二種を提案する.これらは, (1) 少サンプル高次元かつノイズを有するデータの学習, (2) 三変量以上のデータを統合可能な学習, (3) 教師あり学習の三点に焦点を当てた相関分析手法であり,異なる特徴量の統合を実現する.実世界では,以上三点を満たす学習が必要とされる多くの場面が想定され,より正確な統合の実現には,これらに焦点を当てた相関分析手法の構築が必要不可欠である.我々の先行研究である映像の評価値推定も,上記 (1)–(3) の学習を適用可能であり,本稿の提案手法を適用することは有効であると考えられる.実験から,従来用いられてきた代表的な教師あり相関分析手法と比べ,両手法は統計的に優位 (p < 0.01) であることを示した. 
(英) In this paper, we present two kinds of canonical correlation analysis methods, supervised fractional-order embedding multiview canonical correlation analysis (SFEMCCA) and its geometrical version, SFEMCCA with geometrical structure (SFEM-GS). They are CCA methods realizing the following three points: (1) learning from noisy data with small number of samples and large number of dimensions, (2) multiview learning that can integrate three or more kinds of features, and (3) supervised learning using labels corresponding to the samples. In real world, there are many cases requiring the above three learning techniques. Since our previous researches also are able to adopt these learning techniques, these CCA methods, which takes them into account, are effective for our previous researches. Experimental results indicated that estimation accuracies using our methods were statistically significant (p < 0.01) compared to those of several conventional methods of supervised CCA.
キーワード (和) 正準相関分析 / fractional-order法 / 局所構造保存 / 判別分析 / 特徴抽出 / / /  
(英) canonical correlation analysis / fractional-order technique / local structure preservation / discriminant analysis / feature extraction / / /  
文献情報 信学技報
資料番号  
発行日  
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 ITS IE ITE-MMS ITE-HI ITE-ME ITE-AIT  
開催期間 2018-02-15 - 2018-02-16 
開催地(和) 北海道大学 
開催地(英) Hokkaido Univ. 
テーマ(和) 画像処理および一般 
テーマ(英) Image Processing, etc. 
講演論文情報の詳細
申込み研究会 ITE-ME 
会議コード 2018-02-ITS-IE-MMS-HI-ME-AIT 
本文の言語 日本語 
タイトル(和) SFEM-GSによる特徴統合を利用した映像の評価値推定の高精度化 
サブタイトル(和)  
タイトル(英) Accuracy Improvement of Preference Estimation for Video Using SFEM-GS 
サブタイトル(英)  
キーワード(1)(和/英) 正準相関分析 / canonical correlation analysis  
キーワード(2)(和/英) fractional-order法 / fractional-order technique  
キーワード(3)(和/英) 局所構造保存 / local structure preservation  
キーワード(4)(和/英) 判別分析 / discriminant analysis  
キーワード(5)(和/英) 特徴抽出 / feature extraction  
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) 伊藤 良起 / Yoshiki Ito / イトウ ヨシキ
第1著者 所属(和/英) 北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.)
第2著者 氏名(和/英/ヨミ) 小川 貴弘 / Takahiro Ogawa / オガワ タカヒロ
第2著者 所属(和/英) 北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.)
第3著者 氏名(和/英/ヨミ) 長谷山 美紀 / Miki Haseyama / ハセヤマ ミキ
第3著者 所属(和/英) 北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido 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
発表日時 2018-02-16 11:30:00 
発表時間 15 
申込先研究会 ITE-ME 
資料番号  
巻番号(vol) IEICE-117 
号番号(no)  
ページ範囲  
ページ数 IEICE- 
発行日  


[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