著者

西田 健次 栗田 多喜夫

出版者

一般社団法人情報処理学会

雑誌

情報処理学会研究報告コンピュータビジョンとイメージメディア(CVIM) (ISSN:09196072)

巻号頁・発行日

vol.2005, no.38, pp.333-342, 2005-05-13

---

カーネル学習法は、非線形識別関数を効率よく構成する手法であり、カーネルトリックとも呼ばれている。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が、カーネルトリックによって非線形識別関数を構成できるようになったことが、その性能向上に大きく貢献している。カーネル学習法とサポートベクターマシンに代表される線形識別手法を組み合わせることにより高性能な識別器を構成する事が可能になったが、未学習データに対する認識性能(汎化性能)を更に向上するためには変数選択などの手法が重要な役割を果たす。本稿では、サポートベクターマシンを中心にカーネル学習法について概説し、汎化性能向上のための変数選択手法などを紹介する。さらに、画像認識への応用例も紹介する。Kernel method, which is also called Kernel Trick, is known to be one of the best scheme to extend linear classfier systems to nonlinear classifier systems. Support vector machine (SVM) is recognized as one of the best models for two class classification among the many methods, since its performace is drastically improved by kernel trick. Although we can build a high performance classifier system with combination of kernel method and linear classification method such as SVM, feature selection is still important to obtain high performance for unlearned data. This paper reviews kernel methods centering on the SVM and introduces some feature selection methods. Some examples of applications for image understanding are also introduced.