抄録
F-041
SVM学習のためのデータサンプリング手法の提案
◎高橋　洸（東北大）・松本一則（KDDI研）・橋本和夫・徳山　豪（東北大）
近年のパターン認識の分野で分類器としてよく用いられるサポートベクターマシン（SVM）は，パラメータの扱いが容易であり，また未知のデータに対し優れた分類性能を発揮する．しかし学習に用いるデータのラベルは手作業で付与する必要があるため，限られたデータから学習を行う能動学習の枠組みが求められている．筆者らは、能動学習におけるデータサンプリング手法を検討し，より少ないデータから高精度のモデルを生成するための研究を行なっている．本稿では，既存手法を拡張したサンプリング手法を提案し，その実験結果について報告する．