F-002
SVM 型多クラス分類器のためのフランクウルフ学習法

◎田島賢哉・加藤　毅（群馬大）

Crammer&Singer が SVM を多クラス分類に拡張して以降，要求されるクラス数の増大に伴い，トップkSVMなどいくつかの変種が提案されてきた．本発表では，多クラス SVM とその変種のためのフランクウルフ法を開発した．本研究で対象とする変種の損失関数はいずれも予測スコアの線形結合の最大値で表現できる．ある mild な条件を満たすとき，そのフランクウルフ法の各ステップは閉形式で与えられることを発見した．この発見に基づき，いくつかの損失関数に対する学習アルゴリズムを実装した結果，大規模な実データにおいても最適解に収束できることを確認した．また，それらのパターン認識性能も比較調査した．