線形識別器における学習曲線の実験的検討

スポンサーリンク

概要

論文の詳細を見る
文字や音声の認識に適用される統計識別器の識別性能は学習サンプルサイズに大きく依存する。一般に多くのサンプルを収集するには多大な時間やコストを必要とするため、扱い得る限られたサンプルを最大限に活用する識別器の設計アプローチが、有効な認識系の構築において求められている。学習サンプル数増加に伴う誤識別率の減少の関係の記述は学習曲線と呼ばれ、学習サンプルサイズの効果の漸近的な振る舞いを定量的に示す。本稿では、統計的パターン認識における代表的な識別器である二次識別器、Fisher線形識別器およびユークリッド距離識別器を取り上げ、学習サンプルサイズの効果を学習曲線により評価する。多次元正規分布で事前確率の等しい2クラスの識別問題において次元数やパターン分布形状に関連しながら誤識別率は学習サンプルサイズに応じてどのように変動するかをモンテカルロ・シミュレーションによる実験結果から示す。
社団法人電子情報通信学会の論文
1994-10-21

著者

関連論文

もっと見る

スポンサーリンク