Machine Learning
口頭発表
Boost 学習に基づく特徴量の貢献度を用いた特徴選択手法
- Author
- 土屋成光, 藤吉弘亘
- Publication
- 画像の認識・理解シンポジウム, 2008
Download: PDF (Japanese)
画像認識分野ではAdaBoost, Support Vector Machines(SVM)等の識別器が用いられている. これらの識別器は入力特徴量が性能に大きく影響するが, 認識に対する特徴量の有効性評価は難しい. そのため, 多数の特徴量に対する有効性の自動評価は有用である. そのような問題に対して, SVM識別器のマージンを用いて入力特徴セットを評価し, 特徴選択を行うことが提案されている.しかし, マージンの値は計算上, 完全に分離ができる入力よりも不完全な入力の方が大きな値となり得る. そこで, 本稿ではBoost学習を用いた特徴量評価法と, それを用いた特徴選択法を提案する. まずSVMの識別性能と貢献度の相関性を調査し, 有効性を確認した. 次に, 特徴選択を行い, Confident Margin(CM)による特徴選択法との比較を行った. その結果より, CMでは正確に評価できないケースに対して提案手法が正しく評価でき, 提案する特徴選択法が有効であることを示した.