JP6498107B2 - 分類装置、方法、及びプログラム - Google Patents
分類装置、方法、及びプログラム Download PDFInfo
- Publication number
- JP6498107B2 JP6498107B2 JP2015233199A JP2015233199A JP6498107B2 JP 6498107 B2 JP6498107 B2 JP 6498107B2 JP 2015233199 A JP2015233199 A JP 2015233199A JP 2015233199 A JP2015233199 A JP 2015233199A JP 6498107 B2 JP6498107 B2 JP 6498107B2
- Authority
- JP
- Japan
- Prior art keywords
- positive
- negative
- data
- probability model
- score
- 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.)
- Active
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
まず、本実施形態の概要について説明する。
次に、本発明の実施形態に係る分類装置の構成について説明する。図1に示すように、本実施形態に係る分類装置100は、CPUと、RAMと、後述する分類処理ルーチンを実行するためのプログラムや各種データを記憶したROMと、を含むコンピュータで構成することが出来る。この分類装置100は、機能的には図1に示すように入力部10と、演算部20と、出力部90とを含んで構成されている。
次に、本発明の実施形態に係る分類装置100の作用について説明する。分類装置100は、入力部10によって、訓練データの各々を受け付け訓練データ記憶部22に記憶し、テストデータの各々を受け付けテストデータ記憶部26に記憶すると、分類装置100によって、図2に示す分類処理ルーチンが実行される。
本実施形態に係る分類装置100を用いて、天体画像から超新星か否かを判定する2クラス分類問題として寒天体画像を用いた実験結果を以下に示す。本データの各サンプルは、すばる望遠鏡で撮像した天体画像から各種画像特徴を抽出して得られた23次元の特徴ベクトルで、正例クラス(48サンプル)と負例クラス(2400サンプル)の2クラス判定を原画像から専門家が人でラべリングしたデータである。この正解ラベル付きのデータを、正例と負例とのサンプル数の比率(1:50)を保つように、訓練データとテストデータとに1:2の割合でランダムに分割する。すなわち、訓練データ数は1632、テストデータ数は816である。そして、この訓練データで2クラス分類器を学習し、テストデータで偽陽性率を1%(p=0.001)とした時の、pAUC値および真陽性率で2クラス分類器を評価した。実験においては、以下の3手法を比較した。
手法2:正例クラスと負例クラスの確率モデルを用いて、各々独立に確率モデルを学習した後、上記(10)式に代入してスコア関数を求める従来手法2。
手法3:正例クラスと負例クラスとに確率モデルを用いて、上記(10)式をスコア関数としてpAUC最大化によりスコア関数を求める本手法。
20 演算部
22 訓練データ記憶部
24 スコア関数最適化部
26 テストデータ記憶部
28 スコア算出部
90 出力部
100 分類装置
Claims (3)
- 正例の確率モデルのパラメータをθ + とし、負例の確率モデルのパラメータをθ − として、
負例のデータを正例のデータと誤分類する確率である偽陽性率に関する予め定められた閾値pと、正例のラベルが付与された訓練データ及び負例のラベルが付与された訓練データとに基づいて、前記正例の確率モデルの、前記負例の確率モデルに対する比で表されるスコア関数を用いて正例の訓練データ及び負例の訓練データの各々を分類したときの、前記偽陽性率と、正例のデータを正例のデータと正しく分類する確率である真陽性率との対応関係を表すグラフ上におけるROC曲線の下側面積であって、かつ、前記閾値p以下での前記下側面積を最大化するように前記正例の確率モデルのパラメータθ + と負例の確率モデルのパラメータθ − を推定するスコア関数最適化部と、
入力された正例または負例のラベルが付与されていないテストデータと前記推定された前記正例の確率モデルのパラメータθ + と負例の確率モデルのパラメータθ − を用いた前記スコア関数とに基づいて、前記テストデータのスコア値を算出するスコア算出部と、
を含む分類装置。 - スコア関数最適化部と、スコア算出部とを含む分類装置における、分類方法であって、
前記スコア関数最適化部は、
正例の確率モデルのパラメータをθ + とし、負例の確率モデルのパラメータをθ − として、
負例のデータを正例のデータと誤分類する確率である偽陽性率に関する予め定められた閾値pと、正例のラベルが付与された訓練データ及び負例のラベルが付与された訓練データとに基づいて、前記正例の確率モデルの、前記負例の確率モデルに対する比で表されるスコア関数を用いて正例の訓練データ及び負例の訓練データの各々を分類したときの、前記偽陽性率と、正例のデータを正例のデータと正しく分類する確率である真陽性率との対応関係を表すグラフ上におけるROC曲線の下側面積であって、かつ、前記閾値p以下での前記下側面積を最大化するように前記正例の確率モデルのパラメータθ + と負例の確率モデルのパラメータθ − を推定し、
前記スコア算出部は、入力された正例または負例のラベルが付与されていないテストデータと前記推定された前記正例の確率モデルのパラメータθ + と負例の確率モデルのパラメータθ − を用いた前記スコア関数とに基づいて、前記テストデータのスコア値を算出する、分類方法。 - コンピュータを、請求項1に記載の分類装置の各部として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015233199A JP6498107B2 (ja) | 2015-11-30 | 2015-11-30 | 分類装置、方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015233199A JP6498107B2 (ja) | 2015-11-30 | 2015-11-30 | 分類装置、方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017102540A JP2017102540A (ja) | 2017-06-08 |
JP6498107B2 true JP6498107B2 (ja) | 2019-04-10 |
Family
ID=59016883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015233199A Active JP6498107B2 (ja) | 2015-11-30 | 2015-11-30 | 分類装置、方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6498107B2 (ja) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019049688A1 (ja) * | 2017-09-06 | 2019-03-14 | 日本電信電話株式会社 | 異常音検知装置、異常モデル学習装置、異常検知装置、異常音検知方法、異常音生成装置、異常データ生成装置、異常音生成方法、およびプログラム |
JP6745507B2 (ja) * | 2017-09-28 | 2020-08-26 | 日本電信電話株式会社 | パラメータ推定装置、方法、及びプログラム |
JP2019101902A (ja) * | 2017-12-06 | 2019-06-24 | 株式会社グルーヴノーツ | データ処理装置、データ処理方法及びデータ処理プログラム |
JP7017695B2 (ja) | 2018-04-27 | 2022-02-09 | 富士通株式会社 | 領域生成プログラム、領域生成装置および領域生成方法 |
JP7198064B2 (ja) * | 2018-12-05 | 2022-12-28 | 日本電信電話株式会社 | 学習装置、推定装置、パラメータ算出方法、及びプログラム |
JP7115280B2 (ja) * | 2018-12-11 | 2022-08-09 | 日本電信電話株式会社 | 検出学習装置、方法、及びプログラム |
KR102252189B1 (ko) * | 2019-06-04 | 2021-05-13 | 배재대학교 산학협력단 | 머신 러닝을 이용한 고장 진단 관리 시스템 및 방법 |
US20220222585A1 (en) * | 2019-09-18 | 2022-07-14 | Nippon Telegraph And Telephone Corporation | Learning apparatus, learning method and program |
US20230119103A1 (en) * | 2019-10-11 | 2023-04-20 | Nippon Telegraph And Telephone Corporation | Training device, classification device, training method, and training program |
CN110732139B (zh) * | 2019-10-25 | 2024-03-05 | 腾讯科技(深圳)有限公司 | 检测模型的训练方法和用户数据的检测方法、装置 |
CN111126503B (zh) * | 2019-12-27 | 2023-09-26 | 北京同邦卓益科技有限公司 | 一种训练样本的生成方法和装置 |
JP7472496B2 (ja) * | 2020-01-15 | 2024-04-23 | 日本電気株式会社 | モデル生成装置、モデル生成方法、及び、記録媒体 |
CN111324764B (zh) * | 2020-02-18 | 2023-09-22 | 北京金山安全软件有限公司 | 一种图像检测方法、装置、电子设备及存储介质 |
JP7359729B2 (ja) * | 2020-03-24 | 2023-10-11 | トヨタ自動車株式会社 | 分類装置及び分類方法 |
WO2021199226A1 (ja) * | 2020-03-31 | 2021-10-07 | 日本電気株式会社 | 学習装置、学習方法、及びコンピュータ読み取り可能な記録媒体 |
US20230252313A1 (en) * | 2020-04-21 | 2023-08-10 | Nec Corporation | Learning apparatus, trained model generation method, classification apparatus, classification method, and computer-readable recording medium |
WO2024009362A1 (ja) * | 2022-07-04 | 2024-01-11 | 日本電信電話株式会社 | 異常検知装置、異常検知方法および異常検知プログラム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
PL2084535T3 (pl) * | 2006-09-08 | 2016-12-30 | Bioinformatyczne podejście do diagnozy choroby | |
US20120040861A1 (en) * | 2010-08-13 | 2012-02-16 | Somalogic, Inc. | Pancreatic Cancer Biomarkers and Uses Thereof |
-
2015
- 2015-11-30 JP JP2015233199A patent/JP6498107B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2017102540A (ja) | 2017-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6498107B2 (ja) | 分類装置、方法、及びプログラム | |
US11983625B2 (en) | Robust multimodal sensor fusion for autonomous driving vehicles | |
US10896351B2 (en) | Active machine learning for training an event classification | |
WO2018121690A1 (zh) | 对象属性检测、神经网络训练、区域检测方法和装置 | |
US8140450B2 (en) | Active learning method for multi-class classifiers | |
US8725660B2 (en) | Applying non-linear transformation of feature values for training a classifier | |
US8559717B2 (en) | Detecting and labeling places using runtime change-point detection and place labeling classifiers | |
WO2015187372A1 (en) | Digital event profile filters | |
CN108446741B (zh) | 机器学习超参数重要性评估方法、系统及存储介质 | |
JP2008538041A (ja) | 局所的近傍点ラプラス固有マップに基づくデータ分類の一部学習済学習機械 | |
JP6897749B2 (ja) | 学習方法、学習システム、および学習プログラム | |
US20220129712A1 (en) | Deep neural network hardener | |
US20170147909A1 (en) | Information processing apparatus, information processing method, and storage medium | |
US20220245422A1 (en) | System and method for machine learning architecture for out-of-distribution data detection | |
JP2017102906A (ja) | 情報処理装置、情報処理方法及びプログラム | |
US20220129758A1 (en) | Clustering autoencoder | |
Júnior et al. | Specialized support vector machines for open-set recognition | |
JP5776694B2 (ja) | 物体識別向けの学習装置、学習システム、学習方法、及び学習プログラム | |
CN116015708A (zh) | 基于深度学习预测不确定性的恶意流量开集识别方法及装置 | |
JP5905375B2 (ja) | 誤分類検出装置、方法、及びプログラム | |
JP5684084B2 (ja) | 誤分類検出装置、方法、及びプログラム | |
KR101590896B1 (ko) | 일반화 성능을 갖는 심화학습 장치 및 방법, 그 방법을 수행하기 위한 기록 매체 및 장치 | |
CN110827327A (zh) | 一种基于融合的长期目标跟踪方法 | |
WO2017096219A1 (en) | Methods and systems for determination of the number of contributors to a dna mixture | |
KR20210158740A (ko) | 기계학습 성능 기반 클러스터링 평가 장치 및 그 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20171221 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181112 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181127 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190128 |
|
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: 20190212 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190312 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6498107 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |