signal manifold by extended kernel method and its application

扩展核方法的信号流形及其应用

• 批准号: 23300069
• 负责人: YUKIHIKO Yamashita
• 金额: $ 13.23万
• 依托单位: Tokyo Institute of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (B)
• 财政年份: 2011
• 资助国家: 日本
• 起止时间: 2011-04-01 至 2014-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-23300069/
• 关键词: 時空間計量; Mahalanobis計量; 最小二乗確率的分類器; 多様体上のアンサンブル学習; マルチカーネル適応フィルタ; 制約条件付き最大事後確率識別器; マハラノビス計量; 拡張カーネル法; 最小2乗確率的分類器; 適応的カーネル主成分分析; Fisher判別分析の修正項; 線形計画法による最大事後確率識別; コミッティマシン; 部分カーネル主成分追跡; Grassmann多様体上の距離; サポートベクタマシン

In order to improve the performance of signal processing and pattern recognition, it is necessary to obtain a proper metric for signals and patterns and develop processing and recognition methods based on the metric.According to the concept, we improve the theory of Mahalanobis metric, develop a calculation method of Mahalanobis metric using kernel functions, and provide criteria and calculation methods that can obtain a equivalent result with the maximum posteriori method without estimating a posteriori probability. We also propose a method to directly estimate the L2 distance between two probability density functions and show its properties with respect to convergence and bias. We develop an algorithm to calculate the sample average on Stiefel manifold, and the adaptive kernel principle component analysis that can extract features with a small number of basis functions. The advantages of developed methods are shown by experimental results.

为了提高信号处理和模式识别的性能，有必要获得信号和模式的适当度量，并根据概念的计量来建立基于度量的处理和识别方法，我们改善了Mahalanobis Metric的理论，开发一种使用摩纳拉质量的方法，可以使用kernel kernel函数，并提供equalition a Equivals的计算方法后验概率。我们还提出了一种直接估计两个概率密度函数之间L2距离的方法，并显示其相对于收敛和偏置的特性。我们开发了一种算法来计算Stiefel歧管上的样本平均值，以及可以以少量基础函数提取特征的自适应核原理分析。通过实验结果显示了开发方法的优势。

项目成果

Subset Basis Approximation of Kernel Principal Component Analysis

• DOI: 10.5772/37051
• 发表时间: 2012-03
• 期刊: Virtual and Physical Prototyping
• 影响因子: 10.6
• 作者: Y. Washizawa

正規分布に基づく Fisher 判別分析の補正項

基于正态分布的 Fisher 判别分析的修正项

• 发表时间: 2013
• 作者: 横田達也;若原徹;坂野鋭;山下幸彦
• 通讯作者: 山下幸彦

Affine-invariant recognition of handwritten characters via accelerated KL divergence minimization

通过加速 KL 散度最小化的仿射不变识别手写字符

• DOI: 10.1109/icdar.2011.221
• 发表时间: 2011
• 期刊: Proceedings of 2011 International Conference on Document Analysis and Recognition
• 作者: T.Wakahara;Y.Yamashita
• 通讯作者: Y.Yamashita

Mixed maps for learning a Kolmogoroff-Nagumo-type average element on the compact Stiefel manifold

用于学习紧凑 Stiefel 流形上的 Kolmogoroff-Nagumo 型平均元素的混合映射

• 发表时间: 2014
• 期刊: Proceedings of 2014 IEEE International Conference on Acoustics, Speech and Signal Processing
• 作者: S. Fiori;T. Kaneko;and T. Tanaka
• 通讯作者: and T. Tanaka

Multiple kernel learning for quadratically constrained MAP classification

用于二次约束 MAP 分类的多核学习

• 发表时间: 2014
• 期刊: IEICE Transactions on Information and Systems (letter)
• 作者: Yoshikazu Washizawa;Tatsuya Yokota;and Yukihiko Yamashita
• 通讯作者: and Yukihiko Yamashita