著者がすでに提案している,多クラス識別問題に対して幾何マージンを正確に最大化する多目的多クラスサポートベクトルマシン(MMSVM)に対し,例外データが含まれる教師データに対しても学習可能なソフトマージンモデルへの拡張や,クラスタリングなどを利用した学習時のメモリー使用量・計算時間を削減した定式化,その解法について検討した.その際,制約領域の制限法,多目的最適化問題の求解法,スラック変数に対するペナルティ関数などの選択の組み合わせを様々に検討し,その中で,サポートベクトルに基づくデータ削減,候補集合を広げた一対多に基づくMMSVM,k-means法を用いたMMSVMの有効性を確認した.
|