研究概要 |
昨年度提案した追加的SVMの理論解析の精緻化を進め,実験結果をよく説明する学習曲線の理論値を導出した. 本年度予定していたSVRの解析は,SVMでの解析手法をそのまま用いるだけでは不可能であることがわかり,具体的な研究成果はあげられなかった. その代わりに,真のモデルが時変であっても追従できる,忘却機能を有するSVMを提案し,その性能解析を行った.この方式は適応フィルタにおけるRLSをベースとしているが,RLSと異なり,真のモデルが時不変であっても,汎化誤差はゼロには収束しないことが実験的にわかり,それを説明する理論が構築された. また,昨年度より継続している遺伝的アルゴリズムの解析も進め,より一般的なモデルについて理論値を導出した. さらに,情報理論に基づく非類似度の研究においては,階層クラスタ分析における標本のラベル(分類値)の階層性をボトムアップ的に推定することを目的とした,新しいクラスタ(標本の集合)間の非類似度を提案し,これが,標本の母集団が混合モデルである場合には,ある種の情報理論的な妥当性を持っていることを示した.この手法は,実際のデータに対するクラスタ分析の成果として,窓ガラス等のガラス成分データや音声を構成する音素データの階層構造を同定する際に有効であることが計算機実験により示された.
|