コミックマーケット80 特設ページを作りました！

こんにちは、ほねっとです∩( 'ヮ' 三 'ヮ' )∩

今回のコミックマーケット80にむけた特設ページを
開設しました。





http://www.aftercider.com/comicmarket80/

新刊情報やゲスト情報などに関しては、こちらのページで
ご確認ください！∩( 'ヮ' 三 'ヮ' )∩

では、会場でお待ちしております！

コミックマーケット80 サークル出展情報

こんにちは、ほねっとです。

コミックマーケット80にサークル参加します！
いま鋭意執筆中で、詳細は近日公開しようと思います。

もう少々お待ちくださいまし！

スペースは
三日目
東　リ１４－ｂ　Aftercider　です！

∩( 'ヮ' 三 'ヮ' )∩

【第３回】パターン認識／パターン識別

特徴軸　
φ1,φ2,,,,φn φj=(φj1 φj2 ... φjn)'

直行性φi'φj = 1(if i=j or 0 (i≠j)

1)PCA 最良近似　n次元→m次元

スペクトルx=Σαikφk

☆このあとはPCAのやり方

2)Fisherの判別関数
LDA(Linear Discriminant Analsis　線形判別分析）

n次元の特徴空間の２クラス→1次元の実数値に写像して識別する
クラスω1に属するサンプル数 n1
クラスω2に属するサンプル数 n2

線形変換
y＝A'x A:n×1の重みベクトル

識別にもっともよい軸を得る線形変換　重みベクトルを求める
クラスωiの点のAによる変換の集合をyi

平均ベクトルμi = 1/ni Σx
変換軸上での平均　μ~i = 1/ni Σy = 1/ni ΣA'x = A'μi

変換した1次元軸上でのクラス内分散
S~i = Σ(y-μ~i)^2 クラス内分散が小さく、クラス間の平均値間の距離が大きい

Fisherの関数
http://d.hatena.ne.jp/aidiary/20100425/1272158587
の4.25らへんから
J_s(A) = |μ~_1 - μ~_2|^2 / (S~_1^2 - S~_2^2)
具体的に求めると、
S1 = Σ(x-μ_i)(x-μ_i)'　クラス内変動行列

読めない…

多重判別分散（MDA）

【第１回】パターン認識／パターン識別

月曜４限　パターン認識／パターン識別
石塚　満　教授

シラバス
画像パターンだけに限らず，データやテキストも対象にして認識/識別する
汎用性の高い基礎となる統計的手法を中心にして学ぶ．事例データからの
識別器の設計は学習であることから，統計的学習の基礎も含む．データ
マイニングとも部分的に関係する．

参考図書
1)R. O. Duda, P.E. Hart and D. G. Stork:
Pattern Classification -- 2nd Edition,
John Wiley & Sons, 2001.
[邦訳]　尾上守夫（監訳）：パターン識別，新技術コミュニケーションズ，2001.

2)C. M. Bishop: Pattern Recognition and Machine Learning,
Springer-Verlag, 2006.
[邦訳]　元田浩，他（監訳）：パターン認識と機械学習（上，下），
　シュプリンガー・ジャパン，2007.

3)P. N. Tan, M. Steinbach and V. Kumar: Introduction to Data Mining,
Addison Wesley, 2006.

評価方法
出席とレポート
出席半分以上ないと単位は来ない



パターンとは？
視覚的パターン：図形・画像・映像・3D物体・シーン
ほかには：波形・音声・データセット・テキスト・Webページなど

人間（動物）
　　自分にとって危険かどうかを見分ける＝生存するうえで必須

識別⇒記号化⇒言語

認識(recognition)　…　識別・分類(classification)　＋　理解(understand)←部分要素間の（空間的）関係構造まで把握

パターン集合からカテゴリーに対応付けする
（類似度やパターン間の距離を使う）
画像１


文脈依存性　OCRで「Ａ」のてっぺんの部分が離れてた場合：　Ｔ☆ＥならＴＨＥ　、　Ｃ☆ＴならＣＡＴ
みたいな


0.直接的パターンマッチング
　1)標準的パターンとの相互相関係数（テンプレートマッチング）

　一般マッチング尺度　標準パターン:f 未知入力パターン:g
　∬|f-g|^2=∬f^2 - 2∬fg + ∬g^2 のfgがマッチングの尺度になる

　2)定点サンプリング
　重要な点でのみマッチング

　3)ゾンデ法（手書き数字認識）
　定点から検出線をだし、図形要素が乗る検出線でマッチング（若干の柔軟性）

　4)一次系列の場合
　　音声⇒ＨＭＭ（隠れマルコフモデル）
　文字系列
　例：f1=cbabdbb テンプレート
　　　g=cbbabbdb 入力パターン

　パターン間の距離：編集距離（代入・削除・挿入の回数）
　効率的な距離計算法DP(Dynamic Programming)


データマイニングのＴｏｐ１０アルゴリズム
1 C4.5
2 K-Means
3 SVM
4 Apriori
5 EM
6 PageRank
7 Ada Boost
8 kNN
9 Naive Bayes
10 CART


１．統計パターン認識（Statistical Pattern Recognition）
　入力→[前処理]→[特徴抽出]→[識別・分類]→出力・クラス（ω1,ω2）

　前処理：検出・セグメンテーション・など
　特徴抽出：x=(x1 x2 x3…)' 特徴ベクトルを作る
　　どんな初期特徴がいいのかの理論がなく、設計者の直観に頼るところが大きい
　　抽出した特徴の選択・組み合わせ変換については理論あり

特徴量の例
　面積・周囲長・円形度・長軸長・輪郭のフーリエ成分・2Dのフーリエ成分・平均濃度・平均カラー
テキスト文章の時
　単語ベクトル(Bag-of-Words(Stock Words(the,a,isなど)を除く))・形態素解析
　・steming（-es -edなど取り除く）を行う・単語のn-gramをとる・係り受け関係など