著者
関口 涼平 高橋 治久 堀田 一弘
雑誌
研究報告数理モデル化と問題解決(MPS)
巻号頁・発行日
vol.2009-MPS-75, no.23, pp.1-6, 2009-09-03

本論文では,カーネル判別分析 (KDA) に基づいた新しい多クラス識別器を提案する.KDA は主にパターン識別の前処理として用いられ,線形判別分析を使う場合に比べ良い識別性能が出せることが知られている.しかしながら,その性能は SVM と同様カーネルパラメータに大きく依存し,学習における最適なカーネルパラメータを導くには膨大な事前実験を必要とする.このため学習そのものよりも事前実験に要する計算量が膨大になり応用の障害になっている.本論文では,KDA に対し,分離度の理論に基づいて最適なカーネルパラメータを自動決定するアルゴリズムを提案し,計算機実験によりその性能を評価する.SVM との計算機実験による比較により,提案手法が少ない計算時間でより良い性能を達成できることを示す.