『徳島大学 教育・研究者情報データベース (EDB)』---[学外] /
ID: Pass:

登録内容 (EID=204526)

EID=204526EID:204526, Map:0, LastModified:2018年2月27日(火) 10:09:30, Operator:[福見 稔], Avail:TRUE, Censor:0, Owner:[福見 稔], Read:継承, Write:継承, Delete:継承.
種別 (必須): 国際会議 [継承]
言語 (必須): 英語 [継承]
招待 (推奨):
審査 (推奨): Peer Review [継承]
カテゴリ (推奨):
共著種別 (推奨):
学究種別 (推奨):
組織 (推奨): 1.情報システム工学 (2006年4月1日〜2016年3月31日) [継承]
著者 (必須): 1. (英) Nakaura Kazuhiro (日) (読)
役割 (任意):
貢献度 (任意):
学籍番号 (推奨): **** [ユーザ]
[継承]
2.尾山 匡浩 ([神戸市立工業高等専門学校])
役割 (任意):
貢献度 (任意):
学籍番号 (推奨):
[継承]
3.柘植 覚
役割 (任意):
貢献度 (任意):
学籍番号 (推奨):
[継承]
4.明石 卓也 ([岩手大学])
役割 (任意):
貢献度 (任意):
学籍番号 (推奨):
[継承]
5.福見 稔 ([徳島大学.大学院社会産業理工学研究部.理工学域.知能情報系.知能工学分野]/[徳島大学.理工学部.理工学科.情報光システムコース.知能工学講座])
役割 (任意):
貢献度 (任意):
学籍番号 (推奨):
[継承]
題名 (必須): (英) Improved Feature Generation Ppoperty in Fast Statistical Learning Algorithm  (日) 統計的学習アルゴリズムにおける改良された特徴生成能力   [継承]
副題 (任意):
要約 (任意): (英) This paper presents a new accuracy improvement technique in the statistical learning algorithm Simple-FLDA (Simple-Fisher Linear Discriminant Analysis) which was presented by authors. Recently, iterative learning algorithms for obtaining eigenvectors in the principal component analysis (PCA) have been presented in the field of pattern recognition and neural network. On the one hand, the Fisher linear discriminant analysis (FLDA) has been used in many fields, including especially face image analysis, and compared to PCA in relation to feature generation. However there are drawbacks of FLDA such as a long computational time based on a large-sized covariance matrix, the limit of the number of effective eigenvectors, and the issue that the within-class covariance matrix is usually singular. In order to overcome this difficulty, we proposed the feature generation method Simple-FLDA which is approximately derived from geometrical interpretation of FLDA. This algorithm is similar to the Simple-PCA and does not need matrix operation. In this paper, a new calculation technique of eigenvectors in the Simple-FLDA is presented. Its preliminary simulation results are given for a simple face recognition problem and others.  (日) 本国際会議論文は,著者らの提案した判別分析の近似法であるSimple-FLDAの特徴抽出精度と反復回数の多さを改善する方法を提案している.判別分析は主成分分析と同様にパターン認識などで多用されているが,いくつかの欠点を有している.Simple-FLDAは判別分析の有する三つの欠点を改善する画期的方法であるが,学習時の反復回数が若干多いなどの弱点があった.本国際会議論文では,固有ベクトル学習を改善する方法を提案しており,予備的な実験を効果があることを検証している.   [継承]
キーワード (推奨):
発行所 (推奨):
誌名 (必須): (英) Proc. of IWAIT'2010 (日) (読)
ISSN (任意):
[継承]
(必須): [継承]
(必須): Paper-121 [継承]
(必須): 1 5 [継承]
都市 (必須): クアラルンプール (Kuala Lumpur/[マレーシア]) [継承]
年月日 (必須): 西暦 2010年 1月 12日 (平成 22年 1月 12日) [継承]
URL (任意):
DOI (任意):
PMID (任意):
NAID (任意):
WOS (任意):
Scopus (任意):
評価値 (任意):
被引用数 (任意):
指導教員 (推奨):
備考 (任意):

標準的な表示

和文冊子 ● Kazuhiro Nakaura, Tadahiro Oyama, Satoru Tsuge, Takuya Akashi and Minoru Fukumi : Improved Feature Generation Ppoperty in Fast Statistical Learning Algorithm, Proc. of IWAIT'2010, No.Paper-121, 1-5, Kuala Lumpur, Jan. 2010.
欧文冊子 ● Kazuhiro Nakaura, Tadahiro Oyama, Satoru Tsuge, Takuya Akashi and Minoru Fukumi : Improved Feature Generation Ppoperty in Fast Statistical Learning Algorithm, Proc. of IWAIT'2010, No.Paper-121, 1-5, Kuala Lumpur, Jan. 2010.

関連情報

Number of session users = 0, LA = 1.46, Max(EID) = 366142, Max(EOID) = 980557.