マルチモーダル独立成分分析 -複数情報源からの共通特徴抽出法-

赤穂 昭太郎
梅山 伸二

誌名
電子情報通信学会論文誌 A   Vol.J83-A    No.6    pp.669-676
発行日: 2000/06/25
Online ISSN: 
DOI: 
Print ISSN: 0913-5707
論文種別: 特集論文 (情報論的学習理論論文小特集)
専門分野: 学習アルゴリズム・時系列解析
キーワード: 
マルチモーダルデータ,  相互情報量,  正準相関分析,  独立成分分析,  Gram-Charlier展開,  

本文: PDF(334KB)>>
論文を購入



あらまし: 
二つの多変量情報源から,それらに共通に含まれる特徴を線形変換により抽出する問題を考える.従来,その目的のために正準相関分析が用いられてきたが,正準相関分析ではデータの正規性の仮定などから,特徴量の間の非線形な関係などをうまく復元できない場合があり,各特徴の分析や可視化には必ずしも向かないなどの問題点をもつ.そこで本論文では,正準相関分析に独立成分分析の考え方を導入し,それぞれの情報源から得られた特徴同士の相互情報量を最大にしつつ,特徴の各成分が統計的に独立となるような枠組みMICA(マルチモーダル独立成分分析)を提案する.まず目的関数を,相互情報量と独立性の二つの目的関数の重み付き和で表し,それを確率分布の近似法であるGram-Charlier展開を用いて近似する.更に,それを自然こう配を用いた最急降下法で最適化するアルゴリズムを構成する.