表題番号：2021C-243 日付：2022/03/10
研究課題深層学習を用いた区分線形モデリングおよびサポートベクターマシンの構築と応用
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
サポートベクターマシン（SVM）は、マージン最大化によって優れた汎化性を持つ線形分類器として近年多くの注目を集めている。我々は、これまで分離境界線を近似するCoarse-to-FineというTwo-stepモデリング法を提案している。そこでは、Two-stepモデリング法のCoarse-stepで、回帰ベクターの内積で定義される中間モデルを構築し、Fine-stepで、Coarse-stepで得られた中間モデルを準線形カーネル関数として利用し、マージン最大化でSVM分類器を構築する。本研究では、このような準線形カーネルという中間モデルの構築を通して、半教師あり学習に対応したラプラシアンSVM分類器の構築を行い、実際に寄生虫画像データの分類問題に適用し、対照学習に基づく深層CNN特徴抽出器を含んだ高性能なSVM分類器を構築した。