CombNET-Ⅲの詳細分類ネットワークにおける独立特徴選択に関する研究

摘要

大規模な分類問題を解くために開発されたCombNET-Ⅱの改良版としてCombNET-Ⅲが開発された．CombNET-Ⅲは認識精度の向上をもたらしたが，認識時の計算量が増大するという問題が発生した．認識時の計算量には入力サンプルの特徴次元数が影響していることがわかっており，特徴次元数を削減することで計算量の削減が期待できる.CombNET-Ⅲにおける大分類ネットワーク（Stem Network）によって分割されたクラスタに対応する詳細分類ネットワーク（Branch Network）は独立して存在している．各クラスタに属するカテゴリは類似度によって分割されたもので，共通する特徴次元を含んでいることが期待できる．各詳細分類ネットワークにおいて共通する特徴次元は各詳細分類ネットワークには不要であると考え，フィッシャーの評価基準を用いて独立に特徴選択を行いこれらを削減した．これにより認識時の計算量削減，認識精度の向上が得られた．%CombNET-III is an improved version of CombNET-II, which was developed to solve large-scale clas sification problems. CombNET-III brought improvements on recognition precision, but with the drawback of a higher computational complexity in recognition, which is directly proportional to the number of features. The fine classification in CombNET-III is performed by the expert classifiers (branch networks), corresponding to clusters divided by the gating network (stem network). As the clusters were divided by similarity, the categories inside each cluster present many features in common. Those common features are unnecessary and can be eliminated. We propose an independent feature selection procedure using Fisher's criterion. Experimental results show that not only the computtational complexity was successfully reduced but also the classification accuracy was improved.