クラス共通損失関数平滑度の自動設定法を伴う最小分類誤り学習法

摘要

最小分類誤り（MCE：Minimum Classification Error）学習法で用いられる平滑化分類誤り数損失の平滑性は，学習の未知標本耐性．を向上させる効果を持つ．従って，その平滑度の適切な設定が望まれることは明らかであり，最近，パルツェン推定を用いるMCE学習法の定式化に着目した自動設定法が提案され，その有効性が示されるようになった．しかし，その手法は，分類すべきクラス毎に平滑度を設定するものであり，限られた学習標本に過適応（過学習）を起こす原理的な弱点を有していた．本稿は，この先行手法の弱点を解決し，平滑度を全クラス共通に自動的に設定するための手法を提案し，その有効性を示すものである．実験の結果，提案手法が，先行する自動設定法と比べて，標本数等に関する種々の実験条件において安定的に高い分類性能を達成できることが明らかとなる．