多クラス分類問題における誤り訂正符号を用いた並列調整に基づくAdaBoostによる分類性能の安定化

摘要

多クラス分類を行うアルゴリズムの一つに，誤り訂正出力符号（Error-Correcting Output Codes：ECOC）を用いるAdaBoostがある．この手法は，複数の弱仮説と呼ばれる分類器と対応する出力符号を逐次的に学習する手法である．しかし，この手法は，符号の衝突による早期の探索終了により，正解率に大きなばらつきが存在する．そこで，本稿では，複数の弱仮説を同時並行的に学習することにより，弱仮説同士が協調して学習を行う手法であるAdaBoost．PAOCを提案する．画像の多クラス分類による実験を行い，既存手法と比較を行った．実験により，提案手法が既存手法と同等またはそれ以上の正解率を達成しつつ，その正解率のばらつきを抑える効果があることを確認した．