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

2003 年度 実績報告書

• 研究課題/領域番号: 15540123
• 研究機関: 広島大学
• 研究代表者: 西井 龍映 広島大学, 総合科学部, 教授 (40127684)
• 研究分担者: 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) ; 浅野 晃 広島大学, 総合科学部, 助教授 (60243987) ; 高野 秀敏 広島大学, 総合科学部, 教務員 (20281157)
• キーワード: 学習理論 / 判別分析 / SVM / アダブースト / 多重分光画像 / マイクロアレイデータ / 文字認識

研究概要

本研究の目的は、判別手法の理論的研究,及びその実データへの応用にある.
まず,独立なデータの判別手法について,学習理論のうち分布型を仮定しない判別手法であるサポートベクターマシン(SVM)やアダブーストの研究をすすめた.その理論的背景の理解のもとで,遺伝子のマイクロアレイデータから癌の種類を判別する方法をSVMとアダブーストに基づいて提案した.本手法は2003年バイオインフォマティックスコンテストの優秀賞を得た.
一方空間的に従属する画素からなる画像の画素それぞれ,あるいは画像そのものを分類ことを考える.この場合特徴空間での判別手法に空間的な位置関係(幾何情報)を追加することにより判別精度を向上できることが知られている.従来の手法は特徴空間,幾何空間ともに統計モデルを適応するものであったが,本研究では,特徴空間は学習理論による判別手法,幾何空間については統計モデルを用いて両者の結果を融合する手法を研究する.Nishii(2003)は空間データの既存の判別結果と統計手法の融合について提案した手法である.田中・西井(2003)はマルコフ確率場を用いて森林面積比率を人口と土地の起伏量で説明した空間データの回帰分析を考察した.
現在は,学習理論で判別したときの各標本の判別信頼度にあたる事後確率の導入について研究している.またアダブーストでは空間情報に基づく弱判別機の導入と実データでの検証について成果を得つつある.また学習理論による文字認識や統計手法による人間の顔の認識についても共同研究を行っている.

研究成果

• [文献書誌] R.Nishii: "A Markov random field-based approach to decision level fusion for remote sensing image classification"IEEE Transactions on Geoscience and Remote Sensing. 41・10. 2316-2319 (2003)
• [文献書誌] 田中 章司郎: "人口増加に伴う森林減少の空間モデル"応用統計学. 32・1. 1-15 (2003)
• [文献書誌] R.Nishii: "Contextual Image Segmentation} based on AdaBoost and Markov Random Fields"Proc.Internal.Geoscience & Remote Sensing Sympo.2003. VI. 3507-3509 (2003)
• [文献書誌] T.Takenouchi: "Robustifying AdaBoost by adding the naive error rate"Neural Computation. 16(To appear). (2004)
• [文献書誌] A.Asano: "Morphological texture analysis using optimization of structuring elements"Geometry, Morphology, and Computational Imaging, Springer LNCS. 2616. 141-152 (2003)
• [文献書誌] S.Eguchi: "Local likelihood method and theory for a bridge between parametric and nonparametric regression"J.Nonparametric Statistics. 15. 665-683 (2003)