最小分類誤り基準に基づくサポートベクター再学習による小規模カーネル分類器

摘要

サポートベクター（Support Vector：SV）を学習標本に固定化する多クラスサポートベクターマシンと異なり，カーネル最小分類誤り（Kernel Minimum Classification Error：KMCE）学習法は，学習標本を集約したプロトタイプとしてSVの再配置を可能とする．この特徴に注目し，SVに対する重みベクトルのノルムに基づくSVの削減とKMCE法とを用いて，高い分類力をもつ小規模カーネル分類器の構築を目指す．4種の分類実験を通して，提案手法が，課題の難易度に応じてSVを効果的に削減し，目標の小規模カーネル分類器を実現し得ることを明らかにする．