| 講演名 | 2004/9/4 カーネル学習法とその画像認識への応用(オーガナイズドセッション(1))(CVのためのパターン認識・学習理論の新展開) 栗田 多喜夫, 西田 健次, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | サポートベクターマシンは、現在知られている多くのパターン認識手法の中でも認識性能の優れた手法であると考えられている。サポートベクターマシンがこのような優れた認識性能を発揮できるのは、カーネルトリックを用いて非線形の識別関数を構成できるようにし、しかも、未学習データに対しても高い認識性能(汎化性能)を得るための工夫を導入したためである。本論文では、サポートベクターマシンを中心に、カーネル学習法の考え方と汎化性能を向上させるための工夫について概説し、画像認識への応用例について紹介する。 |
| 抄録(英) | Support vector machine (SVM) has been extended to build up nonlinear classifier using the kernel trick. It is recognized as one of the best models for two class classification among the many methods currently known because it is devised to obtain high performance for unlearned data. This paper reviews kernel methods centering on the SVM and introduces some examples of applications for image understanding. |
| キーワード(和) | |
| キーワード(英) | |
| 資料番号 | PRMU2004-78 |
| 発行日 |
| 研究会情報 | |
| 研究会 | PRMU |
|---|---|
| 開催期間 | 2004/9/4(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Pattern Recognition and Media Understanding (PRMU) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | カーネル学習法とその画像認識への応用(オーガナイズドセッション(1))(CVのためのパターン認識・学習理論の新展開) |
| サブタイトル（和） | |
| タイトル（英） | Kernel Methods and their Application for Image Understanding |
| サブタイトル（和） | |
| キーワード(1)（和/英） | |
| 第 1 著者 氏名（和/英） | 栗田 多喜夫 / Takio Kurita |
| 第 1 著者 所属（和/英） | 産業技術総合研究所脳神経情報研究部門 Neurosceince Research Institute, National Institute of Advanced Indastrial Science and Technology |
| 第 2 著者 氏名（和/英） | 西田 健次 / Kenji Nishida |
| 第 2 著者 所属（和/英） | 産業技術総合研究所脳神経情報研究部門 Neurosceince Research Institute, National Institute of Advanced Indastrial Science and Technology |
| 発表年月日 | 2004/9/4 |
| 資料番号 | PRMU2004-78 |
| 巻番号（vol） | vol.104 |
| 号番号（no） | 291 |
| ページ範囲 | pp.- |
| ページ数 | 8 |
| 発行日 | |