Machine Learning
口頭発表
相関の高い行列のグルーピングによる効率的な行列分解
- Author
- 黒川貴都，山内悠嗣，安倍満，山下隆義，藤吉弘亘
- Publication
- 画像の認識・理解シンポジウム, 2015
Download: PDF (Japanese)
近似計算を導入した線形識別器の高速化として, 二値ベクトル分解を多クラス問題に適用した行列分解法が提案されている. 行列分解法は全クラスに対して共通の二値基底行列を用いて分解するため,二値ベクトル 分解法と比べ効率が良いというメリットがある. しかし, 相関が低い多クラス識別器に対しては多くの基底数が必要となり, 計算時間が増加することが報告されている. そこで, 本研究では識別器のグルーピングを導入し, より効率的な行列分解と識別演算の高速化法を提案する.