お知らせ 研究会の開催と会場に参加される皆様へのお願い(2020年10月開催~)
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
[ログイン]
技報アーカイブ
 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 2018-03-14 11:15
L0ノルム最適化に基づくスパース判別アルゴリズムを用いた特徴量選択精度の評価
石橋直樹伊藤紀基佐藤 匡電通大)・樺島祥介東工大)・宮脇陽一電通大/JSTさきがけNC2017-91
抄録 (和) 小サンプルサイズかつ高次元データを学習データとする判別モデルでは,オーバーフィッティングによる汎化誤差の増加の問題が生じやすい.この問題を解決するには,重要な特徴量を選択することによる次元の削減が有効となる.我々は,選択する特徴量の数を最適化するL0ノルム最適化に基づくスパース判別アルゴリズムであるiterative hard thresholding for classification(IHTc)を提案し,実データへの適用を目指して評価を進めてきた.本研究では,これまで評価が不十分であった,データのスパース性を変化させた際のIHTcの性能について検証を行った.まず人工データに対するIHTcの判別成績と特徴量選択精度を,従来研究で提案された特徴量選択を行う判別器であるsparse logistic regression(SLR)と特徴量選択を行わない判別器であるsupport vector machine(SVM)と比較評価した.さらに機能的磁気共鳴画像法で計測された実脳活動データに対しても,それらの性能を同様に比較評価した.その結果,スパース性が高いデータ条件では,IHTcの判別成績はSVMを上回るもSLRとは同程度かやや劣るが,特徴量選択精度においてはIHTcが上回る場合があることが示された.これらの結果は,高次元データ中にスパースに表現された特徴量を正確に同定することが重要となる場面において,IHTcが有用な判別モデルとなる可能性を示唆している. 
(英) Classification often suffers from overfitting if applied to a dataset of small sample size and high dimensionality. Dimensionality reduction, or feature selection, is one of effective methods to resolve this problem. We have developed iterative hard thresholding for classification (IHTc), a sparse classification algorithm that performs feature selection based on L0-norm optimization, and evaluated its characteristics to promote its applicability to real data analyses. In this study, we systematically assessed performance of IHTc in terms of accuracy of classification and feature selection while varying sparsity of artificial datasets. We further evaluated applicability of IHTc to the real data of human brain activity measured by functional magnetic resonance imaging. Performance of IHTc was compared with sparse logistic regression (SLR) as a typical example of a sparse classifier and with support vector machine (SVM) as a typical example of a non-sparse classifier. As a result, especially for datasets with high sparsity, classification accuracy of IHTc tended better than SVM but was equivalent or worse than SLR whereas feature selection accuracy of IHTc exceed that of SLR in some cases. These results suggest that IHTc might be a useful classification algorithm in the case requiring accurate feature selection out of high-dimensional data.
キーワード (和) 特徴量選択 / スパースモデリング / L0ノルム最適化 / iterative hard thresholding / / / /  
(英) feature selection / sparse modeling / L0-norm optimization / iterative hard thresholding / / / /  
文献情報 信学技報, vol. 117, no. 508, NC2017-91, pp. 139-144, 2018年3月.
資料番号 NC2017-91 
発行日 2018-03-06 (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 NC2017-91

研究会情報
研究会 MBE NC  
開催期間 2018-03-13 - 2018-03-14 
開催地(和) 機械振興会館 
開催地(英) Kikai-Shinko-Kaikan Bldg. 
テーマ(和) ME,一般 
テーマ(英) ME, general 
講演論文情報の詳細
申込み研究会 NC 
会議コード 2018-03-MBE-NC 
本文の言語 日本語 
タイトル(和) L0ノルム最適化に基づくスパース判別アルゴリズムを用いた特徴量選択精度の評価 
サブタイトル(和)  
タイトル(英) Evaluation of feature selection accuracy using sparse classification algorithm based on L0-norm optimization 
サブタイトル(英)  
キーワード(1)(和/英) 特徴量選択 / feature selection  
キーワード(2)(和/英) スパースモデリング / sparse modeling  
キーワード(3)(和/英) L0ノルム最適化 / L0-norm optimization  
キーワード(4)(和/英) iterative hard thresholding / iterative hard thresholding  
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) 石橋 直樹 / Naoki Ishibashi / イシバシ ナオキ
第1著者 所属(和/英) 電気通信大学 (略称: 電通大)
The University of Electro-Communications (略称: UEC Tokyo)
第2著者 氏名(和/英/ヨミ) 伊藤 紀基 / Noriki Ito / イトウ ノリキ
第2著者 所属(和/英) 電気通信大学 (略称: 電通大)
The University of Electro-Communications (略称: UEC Tokyo)
第3著者 氏名(和/英/ヨミ) 佐藤 匡 / Masashi Sato / サトウ マサシ
第3著者 所属(和/英) 電気通信大学 (略称: 電通大)
The University of Electro-Communications (略称: UEC Tokyo)
第4著者 氏名(和/英/ヨミ) 樺島 祥介 / Yoshiyuki Kabashima / カバシマ ヨシユキ
第4著者 所属(和/英) 東京工業大学 (略称: 東工大)
Tokyo Institute of Technology (略称: Tokyo Tech)
第5著者 氏名(和/英/ヨミ) 宮脇 陽一 / Yoichi Miyawaki / ミヤワキ ヨウイチ
第5著者 所属(和/英) 電気通信大学/科学技術振興機構さきがけ (略称: 電通大/JSTさきがけ)
The University of Electro-Communications/PRESTO, Japan Science and Technology Agency (略称: UEC Tokyo/JST PRESTO)
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 2018-03-14 11:15:00 
発表時間 25 
申込先研究会 NC 
資料番号 IEICE-NC2017-91 
巻番号(vol) IEICE-117 
号番号(no) no.508 
ページ範囲 pp.139-144 
ページ数 IEICE-6 
発行日 IEICE-NC-2018-03-06 


[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