幾何マージンに基づく誤分類尺度を用いた最小分類誤り学習法

渡辺 秀行
片桐 滋
山田 幸太
マクダーモット エリック
中村 篤
渡部 晋治
大崎 美穂

誌名
電子情報通信学会論文誌 D   Vol.J94-D    No.10    pp.1664-1675
発行日: 2011/10/01
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: 
識別学習,  最小分類誤り,  幾何マージン,  誤分類尺度,  

本文: PDF(747.7KB)>>
論文を購入



あらまし: 
学習標本に対し常に分類誤り数の最小状態を目指す識別学習法,最小分類誤り(MCE:Minimum Classification Error)学習法が広く用いられている.MCE法における誤分類尺度の負領域での絶対値が正分類の確信度に対応することから,学習段階でこの値を大きく保つことが未知標本耐性の向上のかぎと考えられてきた.しかし研究や応用が進むにつれ,従来の誤分類尺度がもつこの効果は不十分であることが分かってきた.本論文では,この不十分さの原因を示し,その解決法として,分類境界と学習標本との距離である幾何マージン(の正負反転)を新たな誤分類尺度として用いるMCE学習法,大幾何マージン最小分類誤り(LGM-MCE:Large Geometric Margin Minimum Classification Error)学習法を提案する.MCE法がもつ高い汎用性を維持するために,本論文ではまず,判別関数の一般形に対する幾何マージンを定式化する.続いて,その結果をやはり汎用性の高いプロトタイプ(参照パターン)型分類器に適用し,体系的な評価実験を通して提案手法の有効性を明らかにする.