JP5491430B2 - クラス分類装置、クラス分類方法、及びクラス分類プログラム - Google Patents
クラス分類装置、クラス分類方法、及びクラス分類プログラム Download PDFInfo
- Publication number
- JP5491430B2 JP5491430B2 JP2011032318A JP2011032318A JP5491430B2 JP 5491430 B2 JP5491430 B2 JP 5491430B2 JP 2011032318 A JP2011032318 A JP 2011032318A JP 2011032318 A JP2011032318 A JP 2011032318A JP 5491430 B2 JP5491430 B2 JP 5491430B2
- Authority
- JP
- Japan
- Prior art keywords
- sensing matrix
- class classification
- data
- contribution rate
- candidate
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
クラス分類装置1は図1に示されたようにクラス分類手段10、訓練データ分割手段11、L1最適化手段12、寄与率計算手段13、センシング行列作成手段14、センシング行列更新手段15を備える。
本実施形態の処理手順は図2に示すように訓練データの縮小されたセンシング行列を作成するオフライン処理(S1〜S5)と最新の訓練データを得る毎に必要に応じて従前のセンシング行列を更新するオンライン処理(S6)とからなる。
S1:クラス分類手段10はユーザ端末2から供された検証データをSRC法によってクラス分類する。検証データの分類結果は訓練データとして保持される。
S6:新たな検証データがクラス分類手段10によってクラス分類されて最新の訓練データが取得されると、センシング行列更新手段15は必要に応じて従前のセンシング行列を更新する。
以上のようにクラス分類装置1による圧縮センシングによればスパース表現されたベクトルのクラス分類サービスを提供する際に分類精度の低下を最小限に抑えながらセンシング行列の縮小が行える。これにより、センシング行列の膨大化による分類時間の遅延を回避でき、SRC法によるクラス分類を高速に行える。
本発明は上記のクラス分類装置1の各機能手段の一部もしくは全部の機能をコンピュータのプログラムで構成し、そのプログラムをコンピュータによって実行して本発明を実現することができる。また、コンピュータで前記機能手段を実現するためのプログラムをそのコンピュータが読み取り可能な記録媒体、例えば、FD(Floppy(登録商標) Disk)や、MO(Magneto−Optical disk)、ROM(Read Only Memory)、メモリカード、CD(Compact Disk)−ROM、DVD(Digital Versatile Disk)−ROM、CD−R、CD−RW、HDD、SSD、リムーバブルディスクなどに記録して、保存したり、配布したりすることが可能である。また、上記のプログラムをインターネットや電子メールなど、ネットワークを通して提供することも可能である。
10…クラス分類手段
11…訓練データ分割手段
12…L1最適化手段
13…寄与率計算手段
14…センシング行列作成手段
15…センシング行列更新手段
Claims (7)
- 訓練データのセンシング行列に基づき未知データをスパース表現クラス分類するクラス分類装置であって、
前記クラス分類の訓練データから分割されたセンシング行列候補データに含まれる各候補アイテムの正解分類への寄与率を算出する寄与率計算手段と、
前記候補アイテムの寄与率の値に基づき選択された候補アイテムを成分とするセンシング行列を作成するセンシング行列作成手段と
を備えたこと
を特徴とするクラス分類装置。 - 前記寄与率計算手段は、前記センシング行列候補データと前記訓練データ由来の検証データとの線形的な制約を満たす解の係数を正規化することにより前記各候補アイテムの寄与率を算出すること
を特徴とする請求項1に記載のクラス分類装置。 - 最新の訓練データのセンシング行列候補データと当該訓練データ由来の検証データとの線形的な制約を満たす解の係数に基づき従前のセンシング行列に含まれる各候補アイテムの寄与率を更新しこの更新した寄与率の値に基づき当該センシング行列を更新するセンシング行列更新手段を
さらに備えたこと
を特徴とする請求項1に記載のクラス分類装置。 - 訓練データのセンシング行列に基づき未知データをスパース表現クラス分類するクラス分類装置が実行するクラス分類方法であって、
前記クラス分類装置の寄与率計算手段が前記クラス分類の訓練データから分割されたセンシング行列候補データに含まれる各候補アイテムの正解分類への寄与率を算出するステップと、
前記クラス分類装置のセンシング行列作成手段が前記候補アイテムの寄与率の値に基づき選択された候補アイテムを成分とするセンシング行列を作成するステップと
を有すること
を特徴とするクラス分類方法。 - 前記寄与率を算出するステップでは、前記センシング行列候補データと前記訓練データ由来の検証データとの線形的な制約を満たす解の係数を正規化することにより前記各候補アイテムの寄与率を算出すること
を特徴とする請求項4に記載のクラス分類方法。 - 前記クラス分類装置のセンシング行列更新手段が最新の訓練データのセンシング行列候補データと当該訓練データ由来の検証データとの線形的な制約を満たす解の係数に基づき従前のセンシング行列に含まれる各候補アイテムの寄与率を更新しこの更新した寄与率の値に基づき当該センシング行列を更新するステップ
をさらに有すること
を特徴とする請求項4に記載のクラス分類方法。 - 請求項1から3のいずれか1項に記載のクラス分類装置を構成する各手段としてコンピュータを機能させることを特徴とするクラス分類プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011032318A JP5491430B2 (ja) | 2011-02-17 | 2011-02-17 | クラス分類装置、クラス分類方法、及びクラス分類プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011032318A JP5491430B2 (ja) | 2011-02-17 | 2011-02-17 | クラス分類装置、クラス分類方法、及びクラス分類プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012173795A JP2012173795A (ja) | 2012-09-10 |
JP5491430B2 true JP5491430B2 (ja) | 2014-05-14 |
Family
ID=46976679
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011032318A Expired - Fee Related JP5491430B2 (ja) | 2011-02-17 | 2011-02-17 | クラス分類装置、クラス分類方法、及びクラス分類プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5491430B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6347622B2 (ja) * | 2014-02-14 | 2018-06-27 | 国立研究開発法人情報通信研究機構 | ネットワークの故障検出方法 |
JP6740912B2 (ja) | 2017-01-17 | 2020-08-19 | 富士通株式会社 | データ圧縮装置、データ圧縮プログラム、データ圧縮方法及びプログラム |
CN113554073B (zh) * | 2021-07-09 | 2024-03-15 | 常州大学 | 一种融合稀疏学习和二分法的情绪状态特征选择优化方法 |
-
2011
- 2011-02-17 JP JP2011032318A patent/JP5491430B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2012173795A (ja) | 2012-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3467723B1 (en) | Machine learning based network model construction method and apparatus | |
US20200234110A1 (en) | Generating trained neural networks with increased robustness against adversarial attacks | |
US9355067B1 (en) | Distribution of parameter calculation for iterative optimization methods | |
CN110362677B (zh) | 文本数据类别的识别方法及装置、存储介质、计算机设备 | |
US9311301B1 (en) | Systems and methods for large scale global entity resolution | |
US8515956B2 (en) | Method and system for clustering datasets | |
WO2013129580A1 (ja) | 近似最近傍探索装置、近似最近傍探索方法およびそのプログラム | |
JP6642878B1 (ja) | コンピュータ、構成方法、及びプログラム | |
US11373117B1 (en) | Artificial intelligence service for scalable classification using features of unlabeled data and class descriptors | |
JPWO2017159403A1 (ja) | 予測システム、方法およびプログラム | |
CN111898703B (zh) | 多标签视频分类方法、模型训练方法、装置及介质 | |
JP6311851B2 (ja) | 共クラスタリングシステム、方法およびプログラム | |
JP2009163615A (ja) | 共クラスタリング装置、共クラスタリング方法、共クラスタリングプログラム、および、そのプログラムを記録した記録媒体 | |
US20220253725A1 (en) | Machine learning model for entity resolution | |
US20180052933A1 (en) | Control of Document Similarity Determinations by Respective Nodes of a Plurality of Computing Devices | |
CN111783873A (zh) | 基于增量朴素贝叶斯模型的用户画像方法及装置 | |
JP2019159576A (ja) | 学習プログラム、学習方法および学習装置 | |
US20220122000A1 (en) | Ensemble machine learning model | |
CN112580817A (zh) | 管理机器学习特征 | |
JP5491430B2 (ja) | クラス分類装置、クラス分類方法、及びクラス分類プログラム | |
Han et al. | SlimML: Removing non-critical input data in large-scale iterative machine learning | |
CN114118207B (zh) | 基于网络扩张与记忆召回机制的增量学习的图像识别方法 | |
CN113656699B (zh) | 用户特征向量确定方法、相关设备及介质 | |
Valizadegan et al. | Learning to trade off between exploration and exploitation in multiclass bandit prediction | |
JP2020098388A (ja) | 需要予測方法、需要予測プログラムおよび需要予測装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130208 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20131129 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20131210 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140203 |
|
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: 20140225 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140227 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5491430 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |