チャンクデータに対する追加学習型カーネル主成分分析アルゴリズム(知的システム,一般)

概要

論文の詳細を見る
遂次的に追加されるストリームデータに対し,オンラインで認識性能を改善できる追加学習アルゴリズムが注目されている.この一つとして,カーネル主成分分析(KPCA)を追加学習可能なように拡張した追加学習型カーネル主成分分析(IKPCA)アルゴリズムがいくつか提案されている.このうち,竹内らは追加データの一次独立性判定を寄与率の閾値判定に置き換えることで高速な追加学習を実現している.しかし,複数のデータがチャンク状に与えられた場合,個々のデータを遂次的に学習するため,学習に時間がかかる問題があった.本研究では,チャンクデータを一度に学習できるよう竹内らのIKPCAアルゴリズムを拡張する.提案アルゴリズムでは,まず寄与率に基づいて必要な固有軸を追加し,特徴固有空間を近似するよう回転する.この特徴固有空間の回転は,過去のデータを用いず,固有値問題を一回解くだけで得られるため,高速に追加学習が可能となる.ベンチマークデータを用いた評価実験の結果は,提案アルゴリズムが竹内らのIKPCAと同等の認識率を維持しながら,より高速な学習が行えることを示した.
2011-07-18