野鳥の鳴き声識別における特徴量類似性と認識精度に関する検討

摘要

機械学習における教師あり学習では人手によるラベル付きデータを多数学習に用いるほど識別率が高くなることが知られている。しかし、ラベル付きデータは専門家の知識や人の手間などがかかり、高コストである。このコストを削減し、識別器の性能を向上させることは機械学習において重大な課題の一つである。ラベル付きデータが高コストである一方で、ラベルなしデータの場合は低コストで大量に獲得できる場合が多い。たとえば鳥の鳴き声の音声データであれば、森の中に録音機を設置するだけで容易に獲得できる。そこで本研究では特徴ベクトル間の類似性に着目し、少数のラベル付きデータから多数のラベルなしデータのクラスを特徴ベクトル間距離によって決定して訓練データとして用いる手法を検討する。特徴量間の距離尺度についてバタチャリヤ距離の平方根など多くの距離が提案されているが、本研究では最も広く使われており、直感的に理解がしやすいユークリッド距離を距離尺度として用いる。ニュージランドに生息する野鳥の鳴き声のデータを例に、SVM において訓練データの数と識別率の推移の関係を検討するための実験を行った。