多次元パラメータを有する区間定常無記憶情報源に対してのMDL原理に基づく変化検出アルゴリズム(機械学習一般とその応用)
スポンサーリンク
概要
- 論文の詳細を見る
非定常情報源の変化検出は,応用対象が幅広い重要な研究分野である.Kleinbergはテキストマイニングの分野で,時系列テキストデータから特定の単語が頻出する時期-バースト区間-を推定するアルゴリズムを構成した.Kanazawa and YamanishiはKleinbergのアルゴリズムをMDL原理に基づいて拡張し,1次元パラメータ区間定常無記憶情報源(PSMS)に対しての変化検出アルゴリズムを提案した.Kanazawa and Yamanishiは同時に,そのアルゴリズムの期待冗長度がMerhavの示す下限に漸近的に一致することを示した.アルゴリズムの核となるアイディアは1)パラメータ空間をFisher情報量に基づき離散化する2)総記述長が最小となるようなパラメータ列を動的計画法(DP)により求めるの2点である.本論文ではKanazawa and Yamanishiの変化検出アルゴリズムを紹介するとともに,パラメータ空間の離散化法を多次元パラメータ空間に拡張する手法を提案する.さらに提案するアルゴリズムの記述長の期待値がMerhavの示す下限に漸近的に一致することを示す.
- 2012-06-12
著者
関連論文
- 逐次的動的モデル選択の線形時間アルゴリズム(一般講演(符号化・モデル選択,機械学習とその応用)
- リンクの確率構造を用いたソーシャルネットワークにおける話題拡大検出(ネットワーク,テキスト・Webマイニング,一般)
- ネットワーク構造変化検出と広告効果測定への応用(機械学習とその応用)
- 再正規化最尤符号を用いたクラスタリング構造変化の検出(ポスターセッション,第14回情報論的学習理論ワークショップ)
- 逐次的なネットワーク構造変化検出手法と広告効果測定への応用(ポスターセッション,第14回情報論的学習理論ワークショップ)
- Resetting分布を用いた動的モデル選択(ポスターセッション,第14回情報論的学習理論ワークショップ)
- 時系列データからの潜在的構造変化検出(招待講演,時系列パターン認識)
- 時系列データからの潜在的構造変化検出(招待講演,時系列パターン認識)
- 時系列データからの潜在的構造変化検出
- ソーシャルネットワークにおける長期間流行する話題の早期検出(時系列解析,統計推理,データベース,一般)
- 逐次的なネットワーク構造変化検出手法と広告効果測定への応用
- 木構造を用いたグラフ分割の構造変化検知
- 多次元パラメータを有する区間定常無記憶情報源に対してのMDL原理に基づく変化検出アルゴリズム(機械学習一般とその応用)
- 再正規化最尤符号を用いたクラスタリング構造変化の検出
- Resetting 分布を用いた動的モデル選択
- コンパクト差分に基づく離散変分導関数法(理論)
- 木構造を用いたグラフ分割の構造変化検知(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及び企業ニーズセッション)
- 木構造を用いたグラフ分割の構造変化検知(一般セッション,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及び企業ニーズセッション)
- 3-5 潜在的ダイナミクスの学習理論(3.潜在的ダイナミクス-深い変化を読み解く-,データを読み解く技術-ビッグデータ,e-サイエンス,潜在的ダイナミクス-)