疎な解を得られるカーネルマシンを用いたMultiple Instance Learning問題の一解法(テーマセッション,コンピュータビジョンとパターン認識のための機械学習)

概要

論文の詳細を見る
Multiple Instance Learning問題(MIL)は,大枠ではクラス分類問題の一つである.一般的なクラス分類問題と言えば,+または-のラベルが与えられた単語を学習し,新たな単語のラベルを,単語同士の類似性より推定するような問題である.これを解く手法として,Support Vector Machine(SVM)やロジスティック回帰などがあり,高速な手法も開発されている.またその実装も,パッケージ化されているものが多く,適用が容易である.それに対してMILの解法は,パッケージ化の例は少なく,また分類基準が複雑なため,一般的なクラス分類問題の解法に比べて計算量などにおいて劣る場合が多い.そこで本報告では,基底関数の構成方法を変更するだけで,MILをRelevance Vector Machine(RVM)などの疎な解を得るカーネルマシンで解けるようにする枠組みを提案する.提案手法では,正しいキーワードが推定できていれば,他の単語に対する情報が不十分であっても誤ったキーワードを推定しにくいということがわかった.
2011-08-29