逐次増加型最小分類誤り学習によるパターン認識

渡辺　秀行
谷口　真一
片桐　滋
山田　幸太
中村　篤
マクダーモット　エリック
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.4    pp.702-711
発行日: 2011/04/01
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: 
識別学習,  最小分類誤り,  逐次的学習,  ブースティング,  損失,  

本文: PDF(794KB)>>
論文を購入


あらまし: 
有限個の学習標本でも常に最小分類誤り確率状態を目指しながら，複数の弱分類器を段階的に学習し統合する新しい学習法を提案する．まず最小分類誤り（MCE：Minimum Classification Error）学習の基本概念を概説し，続いて，代表的な逐次的学習法であるブースティングを参考とした段階的な学習法，逐次増加型MCE（IMCE：Incremental Minimum Classification Error）学習法を提案する．IMCE法は，一般的な多クラス分類用に定義される平滑化分類誤り数損失の最小化を通して，与えられた多クラスの分類課題の最小分類誤り確率状態の達成を直接的に目指す．体系的な評価実験により，IMCE法の有効性が明らかにされる．