表題番号：2015K-226 日付：2016/03/27
研究課題利用しやすい構造を有する準線形サポートベクターマシンの高速化に関する研究
研究者所属（当時） 資格 氏名
（代表者） 理工学術院 大学院情報生産システム研究科 教授 古月　敬之
研究成果概要
　準線形サポートベクターマシン（SVM）では、問題毎に最適なカーネルを機械学習により構築を行っているが、従来のSVMと同じように訓練では、O(n^3)の計算量とO(n^2)の保存空間が必要であり、訓練データが増えると、訓練するための計算量と保存空間が膨大となり、小規模な訓練データを持つ問題へ適用しかできないという課題がある。本研究では、準線形SVMを大規模な訓練データを有する問題に適用できるようにするため、高速化訓練法の開発を行う。本年度では、具体的に、１）準線形SVMの訓練問題を最小包含球（MEB）の求める問題に変換し、効率的な近似アルゴリズムでMEBを求めることにより準線形SVMの高速訓練法を検討した。２）逐次最小問題最適化法を利用したMEB求めるアルゴリズムを開発し、保存空間が膨大となる問題を解決する試みをした。