Analysis and development of ensemble learning algorithms for information fusion

信息融合的集成学习算法分析与开发

• 批准号: 21700304
• 负责人: TAKENOUCHI Takashi
• 金额: $ 2.33万
• 依托单位: Nara Institute of Science and Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Young Scientists (B)
• 财政年份: 2009
• 资助国家: 日本
• 起止时间: 2009 至 2010
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-21700304/
• 关键词: パターン認識; アンサンブル学習; ECOC; 判別; 情報統合; 統計的学習理論; 判別分析; ブートストラップ; ブースティング

In this program, we developed and analyzed ensemble learning algorithms. Especially, we focused on multi-class classification based on the framework of ECOC, ordered label classification and rating data analysis. For the multi-class classification based on ECOC, we tackled a problem of conventional Bradley-Terry model based method and proposed a novel method, which outperforms the conventional method with drastically lower computational cost. For the ordered label classification, we proposed a Boosting algorithm which can maximize AUC and analyzed its statistical properties. For the rating data, we extended the matrix factorization method using a mixture model and showed effectiveness of the proposed method using a large scale real dataset.

在这个项目中，我们开发和分析了集成学习算法。重点研究了基于ECOC框架的多类分类、有序标签分类和评级数据分析。针对基于ECOC的多类分类问题，针对传统基于Bradley-Terry模型的方法存在的问题，提出了一种新的基于ECOC的多类分类方法，该方法以较低的计算代价获得了较好的分类效果。对于有序标签分类，提出了一种能最大化AUC的Boosting算法，并分析了其统计特性。对于评级数据，我们扩展了矩阵分解方法使用混合模型，并使用大规模的真实的数据集证明了所提出的方法的有效性。

项目成果

Ternary Bradley-Terry model-based decoding for multi-class classification and its extensions

• DOI: 10.1007/s10994-011-5240-0
• 发表时间: 2011-12
• 期刊: Machine Learning
• 影响因子: 7.5
• 作者: Takashi Takenouchi;S. Ishii

指数族テンソル因子化法による欠損値予測と異常検知

使用指数族张量分解方法进行缺失值预测和异常检测

• 发表时间: 2010
• 作者: 佐藤健一;柳原宏和;加茂憲一;林浩平
• 通讯作者: 林浩平

Subsurface imaging by Bayesian super-resolution for anti-personal mine detection using ground penetrating radar.

通过贝叶斯超分辨率进行地下成像，用于使用探地雷达进行反个人地雷探测。

• 发表时间: 2010
• 期刊: Journal of Signal Processing 14(4)
• 作者: S.Kozawa;T.Takenouchi;K.Ikeda.
• 通讯作者: K.Ikeda.

パターン認識(Rで学ぶデータサイエンス5)(単行本)

模式识别（使用 R 5 学习数据科学）（精装本）

• 发表时间: 2009
• 作者: 金森敬文(著);竹之内高志(著);村田昇(著);金明哲(編集)
• 通讯作者: 金明哲(編集)

混合モデルによる行列因子化法の拡張とその応用

混合模型矩阵分解方法的扩展及其应用

• 发表时间: 2010
• 作者: J.Horiguchi,N.Matsuura;H.Yamamoto;T.Kitagawa;K.Satoh;Y.Kihara;K. Ito;竹之内高志
• 通讯作者: 竹之内高志