技術セミナー・研修・出版・書籍・通信教育・eラーニング・講師派遣の テックセミナー ジェーピー

機械学習によるパターン識別と画像認識への応用

Octave/MATLAB シミュレーションでわかりやすく解説

機械学習によるパターン識別と画像認識への応用

目次

第1章 序論

  • 1.1 はじめに
  • 1.2 パターン識別の流れ
    • 1.2.1 識別器の構成
  • 1.3 画像認識のための特徴抽出法
    • 1.3.1 画像の表現とフィルタ
    • 1.3.2 平滑化と勾配
    • 1.3.3 局所画像特徴量

第2章 パラメトリック学習とBayes決定則

  • 2.1 確率と正規分布
    • 2.1.1 確率の基礎
    • 2.1.2 正規分布
  • 2.2 Bayes決定則
    • 2.2.1 2クラス識別におけるBayes識別
    • 2.2.2 損失の一般化
    • 2.2.3 ナイーブBayes識別
    • 2.2.4 正規分布を仮定したBayes識別
  • 2.3 正則化と数値計算
    • 2.3.1 事後確率の計算方法
    • 2.3.2 Cholesky分解
    • 2.3.3 数値計算例
    • 2.3.4 悪条件と正則化
    • 2.3.5 分散共分散行列の固有値と正則化
    • 2.3.6 有限標本による固有値の偏り
    • 2.3.7 数値計算例
  • 2.4 統計的推定
    • 2.4.1 最ゆう推定
    • 2.4.2 モデル選択
  • 2.5 パーセプトロンモデル~一次識別器~
    • 2.5.1 Widrow-Hoff則
    • 2.5.2 Fisherの線形識別
    • 2.5.3 サポートベクタマシン(SVM)
  • 2.6 部分空間法~二次識別器~
    • 2.6.1 主成分分析
    • 2.6.2 CLAFIC
    • 2.6.3 カーネル主成分分析

第3章 パーセプトロンモデル~1 次識別器

  • 3.1 パーセプトロンモデル
  • 3.2 Widrow-Hoff 則
  • 3.3 Fisher の線形識別
  • 3.4 サポートベクタマシン(SVM) 傍識別
    • 3.4.1 線形SVM
    • 3.4.2 非線形(カーネル)SVM
    • 3.4.3 ソフトマージン

第4章 部分空間法~2 次識別器

  • 4.1 主成分分析
  • 4.2 CLAFIC
  • 4.3 カーネル主成分分析
    • 4.3.1 再生核Hilbert 空間での主成分分析
    • 4.3.2 部分カーネル主成分分析定

第5章 その他の識別器

  • 5.1 k近傍識別
    • 5.1.1 テンプレートマッチング
    • 5.1.2 Mahalanobis 距離とFukunaga-Koontz 変換
  • 5.2 Adaboost
    • 5.2.1 数値計算例
  • 5.3 ハイパーパラメータの推定

第6章 付録–線形代数及び数値計算の解説–

  • 6.1 分散共分散行列の求め方
  • 6.2 Cholesky 分解による対数正規確率密度の計算
  • 6.3 固有値とその性質

執筆者

鷲沢 嘉一

電気通信大学
大学院 情報理工学研究科
情報・通信工学専攻

助教

出版社

お支払い方法、返品の可否は、必ず注文前にご確認をお願いいたします。

お問い合わせ

本出版物に関するお問い合わせは tech-seminar.jpのお問い合わせからお願いいたします。
(出版社への直接のお問い合わせはご遠慮くださいませ。)

体裁・ページ数

B5判 並製本 104ページ

発行年月

2013年6月

販売元

tech-seminar.jp

価格

45,000円 (税別) / 49,500円 (税込)