情報量に基づく重み付きデータ縮約
【研究分野】工学基礎
【研究キーワード】
データ縮約 / 情報量 / 多重カーネル学習 / 距離学習
【研究成果の概要】
古典的なk-近傍法によるエントロピーのノンパラメトリック推定量を一般化し,重み付きデータの情報量の推定を効率良く行う方法を提案した.またこのデータ間の距離にもとづく推定法を広いクラスのデータに対して適用可能とするために,適切な距離を学習する方法を多重カーネル学習とJIT モデリングの枠組に基づいてを提案した.これらの手法をクラスタリング問題や集団学習に応用し,その有効性を確認した.
【研究代表者】
【研究協力者】 |
| 日野 英逸 | 早稲田大学 | 理工学術院 | 助教 | (Kakenデータベース) |
|
【研究種目】挑戦的萌芽研究
【研究期間】2011 - 2012
【配分額】2,340千円 (直接経費: 1,800千円、間接経費: 540千円)