非対称カーネルによるFisher識別器(一般, 脳・ヒューマンモデリング, 一般)

概要

論文の詳細を見る
近年の計算機の性能向上はめざましく, 計算速度, 通信速度ともに進化を続けているが, パターン認識などの「人間らしい」柔軟な情報処理能力は今だ人間に及んでいない.本研究では, パターン認識に使われる手法の一つであるFisherの線形識別器に対して, カーネル法を拡張した非対称カーネル法を適用し, カーネルパラメータを場所によって変化させることができるカーネルFisher識別器を提案する.複雑さのパラメータとして学習パターンに関しては, 学習過程で適した値を与え, 認識すべき未知パターンに対しては値を固定することで, 可変カーネルを実現する.本手法によって, 学習パターンごとに用いるカーネルパラメータを変えることが可能になり, 局所的に複雑な識別境界を持つパターンにも対応できるようになる.本論文では, この非対称カーネルによるFisher識別器の計算法を示す.また, 計算機実験の結果, 多くのデータセットに対して, 本手法は通常のカーネルFisher識別器よりも高い精度の認識が可能であり, 本手法の有効性が示されている.
2005-10-11