機械知覚&ロボティクスグループ
中部大学

Machine Learning 口頭発表

Random Forestを用いた能動学習における有効なサンプル選択

Author
村田隆英, 三品陽平, 山内悠嗣, 山下隆義, 藤吉弘亘
Publication
コンピュータビジョンとイメージメディア研究会, 2014

Download: PDF (Japanese)

能動学習は,インタラクティブに新しいサンプルを選択してラベルを付与し,学習に用いることで,より良い識別境界を求めるアプローチである.ラベルを付与するサンプル選択の際に,Vote Entropy を用いた手法では類似したサンプルが選択されるため,学習の効率が悪いという問題がある.本研究では Random Forest を用いたサンプルの密度推定を行い,密度分布の類似度を考慮したサンプルの選択法を提案する.提案手法は,類似したサンプルの選択を抑制することで,少数のサンプルによる学習の効率化が期待できる.評価実験より,従来の能動学習におけるサンプル選択法と比較し,提案手法はより少ないサンプル数で高い性能を持つ識別器の構築が可能であることを確認した.

※本発表はCVIM2014卒論セッション最優秀賞を受賞しました。

Random Forestを用いた能動学習による有効なサンプル選択 from MPRG_Chubu_University
前の研究 次の研究