2004 Fiscal Year Annual Research Report
マルコフ確率場と学習理論の融合による空間データの判別分析
| Project/Area Number |
15540123
|
|---|
| Research Institution | KYUSHU UNIVERSITY |
|---|
Principal Investigator |
西井 龍映 九州大学, 大学院・数理学研究院, 教授 (40127684)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
浅野 晃 広島大学, 総合科学部, 助教授 (60243987)
飯倉 善和 弘前大学, 理工学部, 教授 (30109897)
江口 真透 統計数理研究所, 統計基礎研究系, 教授 (10168776)
坂田 年男 九州大学, 大学院・芸術工学研究院, 教授 (20117352)
田中 章司郎 島根大学, 総合理工学部, 教授 (00197427)
|
|---|
| Keywords | AdaBoost / Discriminant analysis / Exponentiak loss function / Machine learning / Markov random fields / Image segmentation |
|---|
| Research Abstract |
初年度は独立なデータの判別手法について,確率分布を仮定しない判別方法であるサポートベクターマシンやアダブースト等の学習理論の研究をすすめた。本年度では空間的に従属する画像データの判別手法の提案、及び実データへの応用を研究した。
先行研究から画素の空間分布をマルコフ確率場(MRF)でモデル化すると、よい判別結果が得られることが知られている。そこで各カテゴリに属する特徴ベクトルが従う確率分布間の擬距離であるdivergenceに基づくMRFを提案し、この母数推定法について考察した(西井・江口、投稿中)。
しかしMRFの母数推定やテストデータのカテゴリ推定には、ICMのような逐次的な判別方法でさえ長時間の計算を要する。そこで、まずテスト画素におけるカテゴリの事後確率を推定し、判別したい画素の近傍での平均対数事後確率を判別機とする。そして近傍の半径の大きさごとの判別機を導出し、その重みは経験指数ロスの最小化で決定することで、重み付き判別機による空間AdaBoostを提案した。この手法の特徴は1)高速である、2)統計手法のみならず事後確率が定義できる判別手法なら、どの手法も適応可能である、3)近傍の形を変えることによってテクスチャーのある画像の判別にも利用できる、ことが挙げられる。提案手法はベンチマークデータでも高性能の判別結果を与えている(Nishii and Eguchiで速報し、フルペーパーを改訂中)。
空間データに関する他の研究として、文字の回転やスケールに関する不変量を構成した(手書き文字認識に応用可能)。また人口増加による森林減少の非線形な空間回帰モデルを考察した。
|
Research Products
(6 results)
