講演名 | 2017-09-15 リッジ回帰によるk近傍分類の性能改善 重藤 優太郎(千葉工大), 新保 仁(奈良先端大), 松本 裕治(奈良先端大), |
---|---|
PDFダウンロードページ | PDFダウンロードページへ |
抄録(和) | 本論文では, $k$近傍分類のための非類似度関数とその学習法を提案する. 既存の距離学習は, 目的関数に基づいた写像行列を学習し, この写像行列を用いてクエリ事例とラベル付き事例を特徴空間の新たな点に写像する. 一方で, 本論文の提案手法は, クエリ事例を固定し, ラベル付き事例のみを同一特徴空間上の適切な点に移動する. 提案手法がもたらす$k$近傍分類の性能改善は, ハブ事例の出現という観点から説明することができる. 近年, ハブ事例の出現による, 近傍法の性能低下が報告されている. 本論文では, このハブ事例の出現を抑制することにより, 分類性能の改善を行う. 実験の結果, 文書および画像データの分類において, 提案手法が, 既存の距離学習よりも良い, もしくは同等の正解率を得ることを確認した. |
抄録(英) | This paper proposes an inexpensive way to learn an effective dissimilarity function to be used for $k$-nearest neighbor ($k$-NN) classification. Unlike Mahalanobis metric learning methods that map both query (unlabeled) objects and labeled objects to new coordinates by a single transformation, our method learns a transformation of labeled objects to new points in the feature space whereas query objects are kept in their original coordinates. In experiments with large document and image datasets, it achieves $k$-NN classification accuracy better than or at least comparable to the state-of-the-art metric learning methods. |
キーワード(和) | $k$近傍分類 / 距離学習 / リッジ回帰 / ハブの出現 |
キーワード(英) | $k$-nearest neighbor classification / metric learning / ridge regression / hubness phenomenon |
資料番号 | PRMU2017-53,IBISML2017-25 |
発行日 | 2017-09-08 (PRMU, IBISML) |
研究会情報 | |
研究会 | PRMU / IBISML / IPSJ-CVIM |
---|---|
開催期間 | 2017/9/15(から2日開催) |
開催地(和) | 東京大学 本郷キャンパス |
開催地(英) | |
テーマ(和) | パターン認識・機械学習基盤技術および深層学習によるメディア生成・変換・認識 |
テーマ(英) | |
委員長氏名(和) | 佐藤 真一(NII) / 福水 健次(統計数理研) |
委員長氏名(英) | Shinichi Sato(NII) / Kenji Fukumizu(ISM) |
副委員長氏名(和) | 藤吉 弘亘(中部大) / 井尻 善久(オムロン) / 杉山 将(東大) |
副委員長氏名(英) | Hironobu Fujiyoshi(Chubu Univ.) / Yoshihisa Ijiri(Omron) / Masashi Sugiyama(Univ. of Tokyo) |
幹事氏名(和) | 大西 正輝(産総研) / 舩冨 卓哉(奈良先端大) / 鹿島 久嗣(京大) / 津田 宏治(東大) |
幹事氏名(英) | Masaki Oonishi(AIST) / Takuya Funatomi(NAIST) / Hisashi Kashima(Kyoto Univ.) / Koji Tsuda(Univ. of Tokyo) |
幹事補佐氏名(和) | 石井 雅人(NEC) / 菅野 裕介(阪大) / 竹内 一郎(名工大) / 神嶌 敏弘(産総研) |
幹事補佐氏名(英) | Masato Ishii(NEC) / Yusuke Sugano(Osaka Univ.) / Ichiro Takeuchi(Nagoya Inst. of Tech.) / Toshihiro Kamishima(AIST) |
講演論文情報詳細 | |
申込み研究会 | Technical Committee on Pattern Recognition and Media Understanding / Technical Committee on Infomation-Based Induction Sciences and Machine Learning / Special Interest Group on Computer Vision and Image Media |
---|---|
本文の言語 | JPN |
タイトル(和) | リッジ回帰によるk近傍分類の性能改善 |
サブタイトル(和) | |
タイトル(英) | Ridge Regression for Improving the Accuracy of k-Nearest Neighbor Classification |
サブタイトル(和) | |
キーワード(1)(和/英) | $k$近傍分類 / $k$-nearest neighbor classification |
キーワード(2)(和/英) | 距離学習 / metric learning |
キーワード(3)(和/英) | リッジ回帰 / ridge regression |
キーワード(4)(和/英) | ハブの出現 / hubness phenomenon |
第 1 著者 氏名(和/英) | 重藤 優太郎 / Yutaro Shigeto |
第 1 著者 所属(和/英) | 千葉工業大学(略称:千葉工大) Chiba Institute of Technology(略称:CIT) |
第 2 著者 氏名(和/英) | 新保 仁 / Masashi Shimbo |
第 2 著者 所属(和/英) | 奈良先端科学技術大学院大学(略称:奈良先端大) Nara Institute of Science and Technology(略称:NAIST) |
第 3 著者 氏名(和/英) | 松本 裕治 / Yuji Matsumoto |
第 3 著者 所属(和/英) | 奈良先端科学技術大学院大学(略称:奈良先端大) Nara Institute of Science and Technology(略称:NAIST) |
発表年月日 | 2017-09-15 |
資料番号 | PRMU2017-53,IBISML2017-25 |
巻番号(vol) | vol.117 |
号番号(no) | PRMU-210,IBISML-211 |
ページ範囲 | pp.113-119(PRMU), pp.113-119(IBISML), |
ページ数 | 7 |
発行日 | 2017-09-08 (PRMU, IBISML) |