ベイズアプローチによる最適識別系の有限標本効果に関する考察 : 学習標本の大きさがクラス間で異なる場合 (<小特集>パターン認識のための学習 : 基礎と応用)

スポンサーリンク

概要

論文の詳細を見る
学習標本の大きさが有限の場合, 2次識別関数の識別性能は特徴ベクトルの次元数の増加に伴って劣化しピーキング現象を起こすことが知られている. このような問題に対処するために, ベイズアプローチによって導かれる未知の分布に対する最適識別関数の平均誤り確率等を理論的・実験的に評価して, 学習標本の大きさがクラス間で等しい場合と異なる場合の最適識別系の有効性を明らかにする. その結果, 学習標本の大きさがほぼ等しい場合は, 最適識別関数及び最適識別関数から導かれる擬似ベイズ識別関数, 改良投影距離, 投影距離を用いる識別系ではピーキング現象が起きないことがわかった. また, 学習標本の大きさが異なる場合は, 最適識別関数及び擬似ベイズ識別関数ではピーキング現象が起きないが, 2次識別関数, 改良投影距離, 投影距離を用いる識別系ではピーキング現象が起きることがわかった.
社団法人電子情報通信学会の論文
1999-04-25

著者

関連論文

もっと見る

スポンサーリンク