階層的混合モデル学習のためのコンポーネント削減法

前橋 久美子  末松 伸朗  林 朗  

誌名
電子情報通信学会論文誌 D   Vol.J91-D   No.4   pp.1058-1068
発行日: 2008/04/01
Online ISSN: 1881-0225
DOI: 
Print ISSN: 1880-4535
論文種別: 論文
専門分野: パターン認識
キーワード: 
混合モデル,  階層クラスタリング,  EMアルゴリズム,  最ゆう推定法,  

本文: PDF(696KB)>>
論文を購入




あらまし: 
様々なデータ解析において,混合モデルが利用されている.階層的混合モデルは,上層ほどコンポーネントの少ない混合モデルで構成され,階層クラスタリングやデータ要約へ応用できる有用なツールである.本論文では,階層的混合モデルのためのコンポーネント削減法を提案する.階層的混合モデルは,混合モデルのコンポーネント数を減らしたモデルを学習し上層に重ねることを繰り返して構築される.このコンポーネントの削減は,基本的には,削減前後のモデル間のKL-divergenceが最小となるように行いたいがそれは困難な最適化問題となる.そこで,提案手法では,KL-divergenceの近似を導入し,EMアルゴリズムに対するNealらの解釈を利用してその最小化を行う.本論文では,提案手法と関連研究の手法を理論的に比較し,提案手法がより優れた手法と考えられる根拠を述べる.また,人工データ及び音素データを用いて,提案手法と関連研究の手法の比較実験を行い,提案手法が優れていることを示す.