6R-3
SVM学習のためのデータサンプリング法の検討
○高橋 洸(東北大),松本一則(KDDI研),橋本和夫(東北大)
近年のパターン認識の分野では,サポートベクターマシン(SVM)をはじめとしたカーネルマシンが学習機械として広く採用されている.SVMはパラメータ等の扱いが容易であり,また未知のデータに対し優れた識別能力をもつという利点がある一方で、大規模で複雑なデータに対しては精度が落ちる上,膨大な計算時間を要してしまうといった問題も抱えている.筆者らは、学習に用いるデータのサンプリング法を改善することにより,SVMを含むカーネルマシンによる学習性能の向上を目指している.本稿では,様々なデータセットに対する分類実験により,複数の手法の比較結果について報告する.