Estimation of true Mahalanobis distance from eigenvectors of sample covariance matrix

Abstract

あらまし パターン認識で用いられる,ベイズの定理から導かれる統計的識別関数は,パターンの確率分布が 正しく与えられたときに誤識別率が最小になる.パターンの確率分布は一般に未知であるため,正規分布を仮定 して,その平均ベクトルと共分散行列は学習サンプルからの推定値を用いることが多い.しかし,推定に用いる 学習サンプルが不足すると,推定値が誤差を含み,認識性能が低下することが知られている.平均ベクトルや共 分散行列の固有値の推定誤差についてはよく調査され,認識性能の低下を回避する方法が提案されている.しか し,共分散行列の固有ベクトルの推定誤差については,これまでほとんど考慮されてこなかった.本論文では, 学習サンプルが十分用意できない場合においても高精度な認識を行うことを目的とし,共分散行列の固有ベクト ルに誤差がある場合でも,2 次識別関数の主要部分であるマハラノビス距離を正しく推定する手法を提案する. 提案手法を文字認識に適用した結果,パラメータの推定に用いる学習サンプルが少ない場合でも,マハラノビス 距離を正しく推定することができ,認識性能の改善が見られた. キーワ ドー パターン認識,識別関数,固有ベクトル,推定誤差,マハラノビス距離 
DOI: 10.1002/scj.10519

Topics

Cite this paper

@article{Iwamura2004EstimationOT, title={Estimation of true Mahalanobis distance from eigenvectors of sample covariance matrix}, author={Masakazu Iwamura and Shinichiro Omachi and Hirotomo Aso}, journal={Systems and Computers in Japan}, year={2004}, volume={35}, pages={30-38} }