JP2011039831A - サポートベクトルマシンの再学習方法 - Google Patents
サポートベクトルマシンの再学習方法 Download PDFInfo
- Publication number
- JP2011039831A JP2011039831A JP2009187323A JP2009187323A JP2011039831A JP 2011039831 A JP2011039831 A JP 2011039831A JP 2009187323 A JP2009187323 A JP 2009187323A JP 2009187323 A JP2009187323 A JP 2009187323A JP 2011039831 A JP2011039831 A JP 2011039831A
- Authority
- JP
- Japan
- Prior art keywords
- learning
- support vector
- sample
- svm
- vector machine
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
Abstract
【解決手段】反復学習機能8にて、既知のラベルを有する初期学習用訓練サンプルの集合を用いてSVMを学習する第1の段階と、摂動対象選択機能4が、該SVM学習により得られたサポートベクトル情報3を基に、摂動対象の学習用訓練サンプルを選択する第2の段階と、画像処理機能5が該選択された摂動対象の学習用訓練サンプルを摂動する第3の段階と、反復学習機能8が該摂動処理されたサンプルを追加用訓練サンプルとしてSVMを再学習する第4の段階とからなり、メモリ9に記憶された情報を参照して前記第2〜第4の段階を複数回繰り返す。反復学習機能8は、所定の条件が成立すると前記繰り返しを終了し、サポートベクトル情報(最終結果)7に移行する。
【選択図】図1
Description
・明度変換の場合
Z´=256.0 ×〔Z÷256.0〕δ
Z:入力輝度情報(0〜255)
Z´:出力輝度情報(0〜255)
δ:明度変換調整パラメータ
・コントラスト変換の場合
Z´= 256.0 ÷ ( 1.0 + exp(-η×( Z −128.0 ) ) )
Z:入力輝度情報(0〜255)
Z´:出力輝度情報(0〜255)
η:コントラスト変換調整パラメータ
Claims (4)
- サポートベクトルマシンの再学習方法であって、
既知のラベルを有する初期学習用訓練サンプルの集合を用いてサポートベクトルマシンを学習する第1の段階と、
前記第1の段階のサポートベクトルマシン学習により得られたサポートベクトル情報を基に、摂動対象の学習用訓練サンプルを選択する第2の段階と、
該第2の段階で選択された摂動対象の学習用訓練サンプルを摂動する第3の段階と、
該摂動処理されたサンプルを追加用訓練サンプルとして、前記学習されたサポートベクトルマシンを再学習する第4の段階とからなり、
前記第4の段階の再学習で得られたサポートベクトル情報を前記第2の段階のサポートベクトル情報とすることにより、前記第2〜第4の段階を複数回繰り返して実行するようにしたサポートベクトルマシンの再学習方法。 - 請求項1に記載のサポートベクトルマシンの再学習方法であって、
前記第2の段階では、前記サポートベクトル情報に含まれるパラメータ(α値)が、α>0の学習用サンプルを選択することを特徴とするサポートベクトルマシンの再学習方法。 - 請求項1または2に記載のサポートベクトルマシンの再学習方法であって、
前記第2〜第4の段階の複数回の繰り返しを終了する条件として、下記の(1)〜(3)のいずれか1つまたは複数を用いることを特徴とするサポートベクトルマシンの再学習方法。
(1)前回のサポートベクトル情報の有効サンプル集合と、今回生成したサポートベクトル情報の有効サンプル集合とが一致すること。
(2)今回の性能評価結果は、前回の性能評価結果に比べて、一定値以上の性能向上が得られること。
(3)前記複数回の繰り返し回数が規定数に達すること。 - 請求項1ないし3のいずれかに記載のサポートベクトルマシンの再学習方法であって、
前記第3の段階は、オリジナルの事例と新たに追加したサポートベクトルの事例とでできる摂動方向のベクトルを参照し、次に生成する学習用サンプルの位置を該ベクトルとほぼ同方向に調整することを特徴とするサポートベクトルマシンの再学習方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009187323A JP5378909B2 (ja) | 2009-08-12 | 2009-08-12 | サポートベクトルマシンの再学習方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009187323A JP5378909B2 (ja) | 2009-08-12 | 2009-08-12 | サポートベクトルマシンの再学習方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011039831A true JP2011039831A (ja) | 2011-02-24 |
JP5378909B2 JP5378909B2 (ja) | 2013-12-25 |
Family
ID=43767525
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009187323A Active JP5378909B2 (ja) | 2009-08-12 | 2009-08-12 | サポートベクトルマシンの再学習方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5378909B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110992334A (zh) * | 2019-11-29 | 2020-04-10 | 深圳易嘉恩科技有限公司 | 用于dcgan网络生成图像的质量评估方法 |
CN111310791A (zh) * | 2020-01-17 | 2020-06-19 | 电子科技大学 | 一种基于小样本数目集的动态渐进式自动目标识别方法 |
JP2021530777A (ja) * | 2018-07-18 | 2021-11-11 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 人工知能に基づく医療ソリューションを開発するための患者のシミュレーション |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004287776A (ja) * | 2003-03-20 | 2004-10-14 | Fujitsu Ltd | 文書分類方法、文書分類装置、および文書分類プログラム |
JP2006309485A (ja) * | 2005-04-28 | 2006-11-09 | Nec Corp | 能動学習方法および能動学習システム |
WO2008047835A1 (fr) * | 2006-10-19 | 2008-04-24 | Nec Corporation | Système, procédé et programme d'étude active |
-
2009
- 2009-08-12 JP JP2009187323A patent/JP5378909B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004287776A (ja) * | 2003-03-20 | 2004-10-14 | Fujitsu Ltd | 文書分類方法、文書分類装置、および文書分類プログラム |
JP2006309485A (ja) * | 2005-04-28 | 2006-11-09 | Nec Corp | 能動学習方法および能動学習システム |
WO2008047835A1 (fr) * | 2006-10-19 | 2008-04-24 | Nec Corporation | Système, procédé et programme d'étude active |
Non-Patent Citations (4)
Title |
---|
CSNG200400270013; 塚本 浩司, 他1名: 'AdaBoostと能動学習を用いたテキスト分類' 情報処理学会研究報告 第2001巻, 第112号, 20011121, p.81-88, 社団法人情報処理学会 * |
CSNG200900266079; 松本 一則, 他4名: 'ショット境界問題検出のための摂動学習手法の提案と評価' 電子情報通信学会 第19回データ工学ワークショップ論文集 , 20080407, 電子情報通信学会データ工学研究専門委員会 * |
JPN6013027731; 松本 一則, 他4名: 'ショット境界問題検出のための摂動学習手法の提案と評価' 電子情報通信学会 第19回データ工学ワークショップ論文集 , 20080407, 電子情報通信学会データ工学研究専門委員会 * |
JPN6013027734; 塚本 浩司, 他1名: 'AdaBoostと能動学習を用いたテキスト分類' 情報処理学会研究報告 第2001巻, 第112号, 20011121, p.81-88, 社団法人情報処理学会 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021530777A (ja) * | 2018-07-18 | 2021-11-11 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 人工知能に基づく医療ソリューションを開発するための患者のシミュレーション |
JP7446278B2 (ja) | 2018-07-18 | 2024-03-08 | メラティヴ ユーエス エル.ピー. | 人工知能に基づく医療ソリューションを開発するための患者のシミュレーション |
CN110992334A (zh) * | 2019-11-29 | 2020-04-10 | 深圳易嘉恩科技有限公司 | 用于dcgan网络生成图像的质量评估方法 |
CN110992334B (zh) * | 2019-11-29 | 2023-04-07 | 四川虹微技术有限公司 | 用于dcgan网络生成图像的质量评估方法 |
CN111310791A (zh) * | 2020-01-17 | 2020-06-19 | 电子科技大学 | 一种基于小样本数目集的动态渐进式自动目标识别方法 |
Also Published As
Publication number | Publication date |
---|---|
JP5378909B2 (ja) | 2013-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5196425B2 (ja) | サポートベクトルマシンの再学習方法 | |
JP7112931B2 (ja) | トリプレット損失ニューラル・ネットワーク・トレーニングを使用するフォント認識の改善 | |
JP7177653B2 (ja) | 敵対的ニューラル・ネットワーク・トレーニングを使用するフォント認識の改善 | |
Aljundi et al. | Landmarks-based kernelized subspace alignment for unsupervised domain adaptation | |
Fawzi et al. | Adaptive data augmentation for image classification | |
US10515296B2 (en) | Font recognition by dynamically weighting multiple deep learning neural networks | |
US9002101B2 (en) | Recognition device, recognition method, and computer program product | |
CN108549839B (zh) | 自适应特征融合的多尺度相关滤波视觉跟踪方法 | |
US8453075B2 (en) | Automated lithographic hot spot detection employing unsupervised topological image categorization | |
US20120134591A1 (en) | Image processing apparatus, image processing method and computer-readable medium | |
JP5408143B2 (ja) | パターン認識装置、パターン認識方法およびパターン認識プログラム | |
Ye et al. | Procrustean training for imbalanced deep learning | |
US9280725B2 (en) | Information processing apparatus, information processing method, and non-transitory computer readable medium | |
Freytag et al. | Labeling examples that matter: Relevance-based active learning with gaussian processes | |
CN110705591A (zh) | 一种基于最优子空间学习的异构迁移学习方法 | |
JP5378909B2 (ja) | サポートベクトルマシンの再学習方法 | |
JP2009211648A (ja) | サポートベクトルの削減方法 | |
CN107169498B (zh) | 一种融合局部和全局稀疏的图像显著性检测方法 | |
Tao et al. | Latent multi-feature co-regression for visual recognition by discriminatively leveraging multi-source models | |
Kong et al. | 3lpr: a three-stage label propagation and reassignment framework for class-imbalanced semi-supervised learning | |
Fateh et al. | Enhancing optical character recognition: Efficient techniques for document layout analysis and text line detection | |
JP5506569B2 (ja) | サポートベクトルマシンの再学習方法及び装置 | |
US8787676B2 (en) | Image processing apparatus, computer readable medium storing program, and image processing method | |
CN111062406B (zh) | 一种面向异构领域适应的半监督最优传输方法 | |
CN117315090A (zh) | 基于跨模态风格学习的图像生成方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120224 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130612 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130808 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130828 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130926 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5378909 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |