SFEM-GSによる特徴統合を利用した映像の評価値推定の高精度化

摘要

本稿では，正準相関分析手法として，supervised fractional-order embedding multiview canonical correlation analysis (SFEMCCA),さらに，データの幾何構造を解析する枠組みを導入したSFEMCCA with geometrical structure (SFEM-GS)の二種を提案する.これらは，（1)少サンプル高次元かつノイズを有するデータの学習，（2)三変量以上のデータを統合可能な学習，（3)教師あり学習の三点に焦点を当てた相関分析手法であり，異なる特徴量の統合を実現す る.実世界では，以上三点を満たす学習が必要とされる多くの場面が想定され，より正確な統合の実現には，これら に焦点を当てた相関分析手法の構築が必要不可欠である.我々の先行研究である映像の評価値推定も，上記（1) -(3)の 学習を適用可能であり，本稿の提案手法を適用することは有効であると考えられる.実験から，従来用いられてきた 代表的な教師あり相関分析手法と比べ，両手法は統計的に優位(p < 0.01)であることを示した.