カーネルマシンへの高速ベクトル量子化の導入

• 笠井 航

  東京工業大学総合理工学研究科知能システム科学専攻

• 長谷川 修

  東京工業大学大学院像情報工学研究施設

書誌事項

タイトル別名

• A Fast Learning Vector Quantization for Kernel Machine

抄録

In this paper, we propose a fast learning algorithm of a support vector machine (SVM). Our work is based on the Learning Vector Quantization (LVQ) and we compress the data to perform properly in the context of clustered data margin maximization. For solving the problem faster, we propose the improved TOD algorithm, which is one of the simplest form of LVQ. Experimental results demonstrate that our method is as accurate as the existing implementation, but it is faster in most situations. We also show the extension of the proposed learning framework for online re-training problem.

収録刊行物

• 日本神経回路学会誌

  日本神経回路学会誌 16 (3), 149-157, 2009

  日本神経回路学会

キーワード

• Building and Construction

詳細情報

• CRID: 1390001204466780288
• NII論文ID: 10025584348
• NII書誌ID: AA11658570
• DOI: 10.3902/jnns.16.149
• ISSN: 18830455
• ISSN: 1340766X
• 本文言語コード: ja
• データソース種別:
  • JaLC
  • Crossref
  • CiNii Articles
• 抄録ライセンスフラグ: 使用不可