JP6663323B2 - データ処理方法、データ処理装置、及びプログラム - Google Patents
データ処理方法、データ処理装置、及びプログラム Download PDFInfo
- Publication number
- JP6663323B2 JP6663323B2 JP2016150717A JP2016150717A JP6663323B2 JP 6663323 B2 JP6663323 B2 JP 6663323B2 JP 2016150717 A JP2016150717 A JP 2016150717A JP 2016150717 A JP2016150717 A JP 2016150717A JP 6663323 B2 JP6663323 B2 JP 6663323B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- class
- data processing
- unit
- belongs
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
実施の形態に係るデータ処理技術の前提となる機械学習について、サポートベクタマシン(Support Vector Machine;以下、「SVM」と記載する)を例とし、その概要についてまず説明する。
2)カーネル値Kij(i,j=1,2,・・・,l)をコンピュータで計算するのが複雑であるという問題。
3)QP問題をコンピュータで解くのが複雑であるという問題。
実施の形態に係るデータ処理方法は、訓練データ及びサポートベクタを含む既知データを簡約化する際に、簡約化の対象とする既知データを選択するための手法に関する。
実施の形態に係るデータ処理装置は、既知データをそれぞれ特徴空間上の点に写像し、写像した点群に対して多次元におけるドロネー三角形分割を実行する。
図1は、実施の形態に係るデータ処理装置1の機能構成を模式的に示す図である。実施の形態に係るデータ処理装置1は、データ処理装置1とデータベース20とを備える。データ処理装置1は、写像部11、データ分割部12、分類部13、データ簡約部14、訓練部15、未知データ取得部16、及び検証部17を含む。またデータベース20は、訓練データデータベース21及びサポートベクタデータベース22を含む。
図5は、実施の形態に係るデータ処理装置1が実行するデータ簡約化処理の流れを説明するためのフローチャートである。本フローチャートにおける処理は、例えばデータ処理装置1の電源が投入された時に開始する。
11・・・写像部
12・・・データ分割部
13・・・分類部
14・・・データ簡約部
15・・・訓練部
16・・・未知データ取得部
17・・・検証部
20・・・データベース
21・・・訓練データデータベース
22・・・サポートベクタデータベース
Claims (6)
- プロセッサが実行するデータ処理方法であって、
属するクラスを示すラベルが付された複数のデータのそれぞれを、2以上の特徴量を用いてN(Nは2以上の整数)次元の特徴空間におけるベクトルデータに変換するステップと、
変換されたベクトルデータそれぞれに対応する点の集合を、ドロネー三角形分割のアルゴリズムにしたがって各点を頂点とする複数のN次元のシンプレックスに分割するステップと、
分割により得られた各シンプレックスの各超平面を構成する前記点の集合を、属するクラスが同じ点を要素とする部分集合に分類するステップと、
分類された部分集合それぞれを構成する要素のうち、前記特徴空間におけるユークリッド距離が最短となる2つの要素を1つの新たな要素に簡約化するステップと、
前記簡約化されたデータを機械学習することにより、任意のデータの属するクラスを識別するための識別器を生成するステップと、を含む、
データ処理方法。 - 前記簡約化するステップにおいて、簡約化によって得られた新たな要素のクラスを、簡約化の対象とした2つの要素が属するクラスと同一とし、
前記簡約化するステップにおいて得られた新たな要素を含む複数のデータについて、前記分割するステップ、前記分類するステップ、及び前記簡約化するステップを繰り返す反復ステップをさらに含む、
請求項1に記載のデータ処理方法。 - 前記生成するステップにおいて、サポートベクタマシンを用いて機械学習する、
請求項1又は2に記載のデータ処理方法。 - 前記変換するステップにおいて、それぞれの属するクラスが既知である複数の訓練データの中からサポートベクタマシンを用いて機械学習することによって選択されたデータである複数のサポートベクタを、前記ベクトルデータとする、
請求項1に記載のデータ処理方法。 - 属するクラスを示すラベルが付された複数のデータを格納するデータベースと、
2以上の特徴量を用いて前記複数のデータのそれぞれをN(Nは2以上の整数)次元の特徴空間におけるベクトルデータに変換する写像部と、
変換されたベクトルデータそれぞれに対応する点の集合を、ドロネー三角形分割のアルゴリズムにしたがって各点を頂点とする複数のN次元のシンプレックスに分割するデータ分割部と、
分割により得られた各シンプレックスの各超平面を構成する前記点の集合を、属するクラスが同じ点を要素とする部分集合に分類する分類部と、
分類された部分集合それぞれを構成する要素のうち、前記特徴空間におけるユークリッド距離が最短となる2つの要素を1つの新たな要素に簡約化するデータ簡約部と、
前記簡約化されたデータを機械学習することにより、任意のデータの属するクラスを識別するための識別器を生成する訓練部と、を備える、
データ処理装置。 - コンピュータに、
属するクラスを示すラベルが付された複数のデータのそれぞれを、2以上の特徴量を用いてN(Nは2以上の整数)次元の特徴空間におけるベクトルデータに変換する機能と、
変換されたベクトルデータそれぞれに対応する点の集合を、ドロネー三角形分割のアルゴリズムにしたがって各点を頂点とする複数のN次元のシンプレックスに分割する機能と、
分割により得られた各シンプレックスの各超平面を構成する点の集合を、属するクラスが同じ点を要素とする部分集合に分類する機能と、
分類された部分集合それぞれを構成する要素のうち、前記特徴空間におけるユークリッド距離が最短となる2つの要素を1つの新たな要素に簡約化する機能と、
前記簡約化されたデータを機械学習することにより、任意のデータの属するクラスを識別するための識別器を生成する機能と、
を実現させるプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016150717A JP6663323B2 (ja) | 2016-07-29 | 2016-07-29 | データ処理方法、データ処理装置、及びプログラム |
US15/658,993 US20180032912A1 (en) | 2016-07-29 | 2017-07-25 | Data processing method, and data processing apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016150717A JP6663323B2 (ja) | 2016-07-29 | 2016-07-29 | データ処理方法、データ処理装置、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018018460A JP2018018460A (ja) | 2018-02-01 |
JP6663323B2 true JP6663323B2 (ja) | 2020-03-11 |
Family
ID=61009677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016150717A Active JP6663323B2 (ja) | 2016-07-29 | 2016-07-29 | データ処理方法、データ処理装置、及びプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US20180032912A1 (ja) |
JP (1) | JP6663323B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210065039A1 (en) * | 2019-08-27 | 2021-03-04 | Sap Se | Explanations of machine learning predictions using anti-models |
-
2016
- 2016-07-29 JP JP2016150717A patent/JP6663323B2/ja active Active
-
2017
- 2017-07-25 US US15/658,993 patent/US20180032912A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
US20180032912A1 (en) | 2018-02-01 |
JP2018018460A (ja) | 2018-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Imani et al. | Bric: Locality-based encoding for energy-efficient brain-inspired hyperdimensional computing | |
Yu et al. | Pu-net: Point cloud upsampling network | |
Yavartanoo et al. | Spnet: Deep 3d object classification and retrieval using stereographic projection | |
US11556826B2 (en) | Generating hyper-parameters for machine learning models using modified Bayesian optimization based on accuracy and training efficiency | |
US9208278B2 (en) | Clustering using N-dimensional placement | |
JP6863926B2 (ja) | データ分析システム及びデータ分析方法 | |
JP7293387B2 (ja) | データ分類方法、分類器訓練方法及びシステム | |
Kolouri et al. | Joint dictionaries for zero-shot learning | |
Cen et al. | Open-world semantic segmentation for lidar point clouds | |
Xiong et al. | Diagnose like a pathologist: Transformer-enabled hierarchical attention-guided multiple instance learning for whole slide image classification | |
Raghuwanshi et al. | Classifying imbalanced data using BalanceCascade-based kernelized extreme learning machine | |
Ji et al. | Balance between object and background: Object-enhanced features for scene image classification | |
Ma et al. | RENNSH: A novel\alpha-helix identification approach for intermediate resolution electron density maps | |
Agarwal et al. | Learning embedding of 3d models with quadric loss | |
Fan et al. | RPR-Net: A point cloud-based rotation-aware large scale place recognition network | |
JP6663323B2 (ja) | データ処理方法、データ処理装置、及びプログラム | |
Yang et al. | Submodular reranking with multiple feature modalities for image retrieval | |
US20220375205A1 (en) | Aggregating Nested Vision Transformers | |
JP7270839B2 (ja) | 顔認識のための汎用特徴表現学習 | |
Zhang et al. | Cross diffusion on multi-hypergraph for multi-modal 3d object recognition | |
Peng et al. | A general framework for multi-label learning towards class correlations and class imbalance | |
Liu | Hardware-efficient deep learning for 3D point cloud | |
Bhowmick et al. | A comprehensive study and analysis of semi supervised learning techniques | |
JP5906100B2 (ja) | 情報処理装置、情報処理方法、プログラム | |
Lin et al. | Efficient shape classification using region descriptors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180903 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190913 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190924 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20191120 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200116 |
|
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: 20200128 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200214 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6663323 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |