| 講演名 | 2018-06-13 複数固有ベクトルの線形結合を用いた教師あり次元削減法 今倉 暁(筑波大), 松田 萌望(筑波大), 櫻井 鉄也(筑波大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 高次元特徴量を持つデータを低次元空間に射影し，クラスタリングやクラシフィケーションを行う次元削減法として，LPPやLFDAなどが知られている．これらの次元削減法はある行列のトレースの最小化もしくは最大化問題として定式化され，一般化固有値問題の少数の固有ベクトルを用いて次元削減を行う．本稿では，これらの次元削減法のアイディアを基盤とし分類性能を改善する新しい教師あり次元削減法を提案する．提案法は，制約付きの最小二乗問題の解として係数を定めた多数の固有ベクトルの線形結合として写像を構築する．提案法は，従来法と比較して多量の固有ベクトルの求解が必要であるが，複素モーメント型並列固有値解法を利用して高速に求解可能である． |
| 抄録(英) | Dimensionality reduction methods that reduce the dimension of original data to a low-dimensional subspace such as LPP and LFDA are widely used for clustering and classifications. These dimensionality reduction methods are formulated by minimization or maximization of a matrix trace and solved as few eigenvectors of the corresponding generalized eigenvalue problem. In this paper, based on the concept of the dimensionality reduction methods, we propose a novel supervised dimensionality reduction method that constructs a low-dimensional subspace with linear combinations of multiple eigenvectors. The proposed method needs to compute multiple eigenvectors; however, one can solve them efficiently by complex moment-based parallel eigensolvers. |
| キーワード(和) | 次元削減法 / 教師あり学習 / 固有ベクトルの線形結合 / 複素モーメント型並列固有値解法 |
| キーワード(英) | dimensionality reduction methods / supervised learning / linear combination of eigenvectors / complex moment-based eigensolvers |
| 資料番号 | IBISML2018-6 |
| 発行日 | 2018-06-06 (IBISML) |
| 研究会情報 | |
| 研究会 | NC / IBISML / IPSJ-BIO / IPSJ-MPS |
|---|---|
| 開催期間 | 2018/6/13(から3日開催) |
| 開催地（和） | 沖縄科学技術大学院大学 |
| 開催地（英） | Okinawa Institute of Science and Technology |
| テーマ（和） | 機械学習によるバイオデータマインニング、一般 |
| テーマ（英） | Machine Learning Approach to Biodata Mining, and General |
| 委員長氏名（和） | 平田 豊(中部大) / 鹿島 久嗣(京大) |
| 委員長氏名（英） | Yutaka Hirata(Chubu Univ.) / Hisashi Kashima(Kyoto Univ.) |
| 副委員長氏名（和） | 庄野 逸(電通大) / 杉山 将(東大) / 津田 宏治(東大) |
| 副委員長氏名（英） | Hayaru Shouno(UEC) / Masashi Sugiyama(Univ. of Tokyo) / Koji Tsuda(Univ. of Tokyo) |
| 幹事氏名（和） | 吉川 大弘(名大) / 吉本 潤一郎(奈良先端大) / 竹内 一郎(名工大) / 神嶌 敏弘(産総研) |
| 幹事氏名（英） | Tomohiro Yoshikawa(Nagoya Univ.) / Junichiro Yoshimoto(NAIST) / Ichiro Takeuchi(Nagoya Inst. of Tech.) / Toshihiro Kamishima(AIST) |
| 幹事補佐氏名（和） | 稲垣 圭一郎(中部大) / 篠崎 隆志(NICT) / 岩田 具治(NTT) / 大羽 成征(京大) |
| 幹事補佐氏名（英） | Keiichiro Inagaki(Chubu Univ.) / Takashi Shinozaki(NICT) / Tomoharu Iwata(NTT) / Shigeyuki Oba(Kyoto Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Neurocomputing / Technical Committee on Infomation-Based Induction Sciences and Machine Learning / Special Interest Group on Bioinformatics and Genomics / Special Interest Group on Mathematical Modeling and Problem Solving |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 複数固有ベクトルの線形結合を用いた教師あり次元削減法 |
| サブタイトル（和） | |
| タイトル（英） | A supervised dimensionality reduction method using linear combinations of multiple eigenvectors |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 次元削減法 / dimensionality reduction methods |
| キーワード(2)（和/英） | 教師あり学習 / supervised learning |
| キーワード(3)（和/英） | 固有ベクトルの線形結合 / linear combination of eigenvectors |
| キーワード(4)（和/英） | 複素モーメント型並列固有値解法 / complex moment-based eigensolvers |
| 第 1 著者 氏名（和/英） | 今倉 暁 / Akira Imakura |
| 第 1 著者 所属（和/英） | 筑波大学(略称：筑波大) University of Tsukuba(略称：Univ. Tsukuba) |
| 第 2 著者 氏名（和/英） | 松田 萌望 / Momo Matsuda |
| 第 2 著者 所属（和/英） | 筑波大学(略称：筑波大) University of Tsukuba(略称：Univ. Tsukuba) |
| 第 3 著者 氏名（和/英） | 櫻井 鉄也 / Tetsuya Sakurai |
| 第 3 著者 所属（和/英） | 筑波大学(略称：筑波大) University of Tsukuba(略称：Univ. Tsukuba) |
| 発表年月日 | 2018-06-13 |
| 資料番号 | IBISML2018-6 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | IBISML-81 |
| ページ範囲 | pp.39-45(IBISML), |
| ページ数 | 7 |
| 発行日 | 2018-06-06 (IBISML) |