次へ: はじめに サポートベクターマシン入門 栗田 多喜夫 Takio Kurita 産業技術総合研究所 脳神経情報研究部門 Neurosceince Research Institute, National Institute of Advanced Indastrial Science and Technology takio-kurita@aist.go.jp visitors since Jul. 19, 2002. 概要: 最近、サポートベクターマシン(Support Vector Machine, SVM)と呼ばれるパター ン認識手法が注目されており、ちょっとしたブームになっている。カーネルトリッ クにより非線形の識別関数を構成できるように拡張したサポートベクターマシン は、現在知られている多くの手法の中でも最も認識性能の優れた学習モデルの一 つである。サポートベクターマ

Suffix Array の解説文書のリンク集 2006-04-10-3 [Algorithm] Suffix Array について解説している日本語による文書のうち、 Webで閲覧できるもののリンク集。随時更新予定。 - 用語解説: Suffix Array (PDF) via http://nais.to/~yto/tools/sufary/ - Suffix Array の解説 in D論 (PDF) via http://nais.to/~yto/tools/sufary/ - 横着プログラミング 第9回: sary: Suffix Array のライブラリとツール http://0xcc.net/unimag/9/ - Suffix Arrayの簡単な説明 http://sary.sourceforge.net/docs/suffix-array.html

カブロボ・コンテストへようこそ 延べ20,000人以上の方にご参加頂いている投資アルゴリズムのコンテストへようこそ。 カブロボとは「株式を自動で売買するロボット」です。 カブロボ・コンテストには、日々のリアルタイムの市場データ、過去の市場データ、市場データや取引データを元に投資の判断を行うカブロボの開発環境、そのカブロボを評価するためのシミュレーション環境をはじめ、自分専用の投資エージェントを作るために必要な環境が全て揃っています。 Get Started アイデアを思いのままに 組み立てられる開発環境 単なる数字の比較やかけ合わせだけではない、自由度の高い開発環境がカブロボの特徴です。 JAVA言語を用いた開発環境（カブロボSDK）では、人工知能や遺伝的アルゴリズムを使ったカブロボが制作されています。ブラウザ上で操作するだけで、高度なカブロボを制作することができる開発環境もご用意しており

会誌「情報処理」連載の「プログラム・プロムナード」（2002年4月〜2005年3月掲載）と「Haskellプログラミング」（2005年4月〜2006年3月掲載）はどなたでもご覧になれます。ファイルはすべてPDF形式です。 「Haskellプログラミング」に掲載されたプログラムは http://www.sampou.org/haskell/ipsj/ から取ることができます.

更新履歴 DNS拡張EDNS0の解析 Linuxカーネルをハッキングしてみよう Windowsシステムプログラミング Part 3 64ビット環境でのリバースエンジニアリング Windowsシステムプログラミング Part2 Windowsシステムプログラミング Part1 Contents インフォメーション 「TCP/IPの教科書」サポートページ 「アセンブリ言語の教科書」サポートページ 「ハッカー・プログラミング大全　攻撃編」サポートページ ブログ（はてな）　BBS　メール このサイトについて テキスト 暗号 詳解 RSA暗号化アルゴリズム 詳解 DES暗号化アルゴリズム crypt() アルゴリズム解析 MD5 メッセージダイジェストアルゴリズム crypt() アルゴリズム解析 （MD5バージョン） TCP/IP IP TCP UDP Header Format（IPv4） Ch

今回から，ウェーブレット変換（Wavelet Transform）をテーマに話を進めたいと思 います。ウェーブレット変換は本誌でも何 度か紹介されていますが，画像の世界でも JPEG2000でウェーブレット変換を利用し た圧縮アルゴリズムが採用されたこともあ り，最近とくに注目されつつあるアルゴリ ズムだと思います。 ウェーブレット変換は，もともと，デー タ圧縮だけの目的に考え出された手法では なく，フーリエ変換の発展形の1つとして， データの解析に利用するために考案された ものです。 フーリエ変換は，分析対象のデータや関 数を周波数成分に変換して，元データとは 違った観点からの特性を分析する手法でし た。 ところが，フーリエ変換で解析を行う場 合，時間軸上のデータをすべて周波数成分 に変換するため，時系列的・空間的な変化 の情報がなくなってしまいます。このため， データの特性が終始一貫

この章では、JPEG2000フォーマットで圧縮アルゴリズムとして採用されたことで、一躍有名になったウェーブレット変換(Wavelet Transform)について取り上げたいと思います。 JPEG2000では画像圧縮アルゴリズムとして採用されましたが、元々はフーリエ変換の応用形として、データ解析の利用を目的に考案された手法であり、その内容も多岐に渡っています。全てを説明するのは量的にも、自分の理解度から見ても不可能なため、ここでは離散ウェーブレット変換と、それを用いた解析手法である多重解像度解析を中心に紹介をしたいと思います。 1) フーリエ変換とウェーブレット変換 あるデータや関数の特性を分析する手法としてよく知られたものに、フーリエ変換(Foueier Transform)があります。フーリエ変換は、周期を持った任意の時間関数を正弦波と余弦波の和で表すことができることを利用して、時系

多重解像度解析 データ―→低周波成分→低周波成分→低周波成分 ↓　　　　　↓　　　　　↓　　　　　↓　　…… 高周波成分　高周波成分　高周波成分　高周波成分 Lifting 両側からの予測誤差符号化（ハイパスフィルタ） 奇数番目のデータを偶数番目のデータで予測し，予測誤差を奇数番目に上書きする x'2i+1 = x2i+1 - (x2i + x2i+2) / 2 これは次のハイパスフィルタと同値 x'i = -0.5 xi-1 + xi - 0.5 xi+1 平滑化（ローパスフィルタ） 偶数番号のデータの平均値が元の全データの平均値と等しくなるようにするために，上で求めた予測誤差÷4を偶数番目のデータに加える x'2i = x2i + (x'2i-1 + x'2i+1) / 4 これは次のローパスフィルタと同値 x'2i = -(1/8) x2i-2 + (1/4) x2i-1 + (3/

In Intelligent Biometric Techniques in Fingerprint and Face Recognition, eds. L.C. Jain et al., publ. CRC Press, ISBN 0-8493-2055-0, Chapter 11, pp. 355-396, (1999). Face Recognition by Elastic Bunch Graph Matching∗† Laurenz Wiskott1‡ , Jean-Marc Fellous2§ , Norbert Krüger1¶ , and Christoph von der Malsburg1,2 1 Institute for Neural Computation Ruhr-University Bochum D-44780 Bochum, Germany 2 Com

なるエラーでプログラムが続行できなくなる不具合に悩みました。そこで、今まで記述したことのない非再帰処理のクイックソートに書き直すことになりました。 僕の本業は VBA でないので、これ以上詳しい Excel VBA のソートのお話しは以下のサイトをご覧下さい。 さて、以下の説明は VBA に実装する前に作成した Perl 版クイックソートに説明を切り替えます。 まずは単純に再帰処理のクイックソートを実装してみる sub qsort_normal() { my $array = shift; my $left = shift; my $right = shift; my ($i, $j, $pivot, $tmp); if ($left < $right) { $i = $left; $j = $right; $pivot = $array->[($left+$right)/2]; whil

はじめに　大規模なデータを扱うアプリケーションでは、速度とともに作業領域量も大きな問題となります。作業領域がメインメモリに収まらない場合、スワッピングが発生し、大幅な速度低下につながります。そのため近年、データ構造は高速なだけでなく、作業領域量が小さいことも求められています。今回紹介するのは2003年に提案されたデータ構造、wavelet tree（以下「WT」と表記）です。WTは圧縮索引やSuccinct Data Structureなど、データをコンパクトに表現する際に重要なデータ構造です。WTは文字列T[0...n-1]が与えられた時、次の2つの操作を定数時間でサポートします。rank(p, c)――T[0...p]中のcの出現回数を返すselect(i, c)――(i+1)番目のcの位置を返す 　WTの作業領域量は、文字列をそのまま保存した時の約2倍程度です。対象読者　C++の利用

形態素解析と検索APIとTF-IDFでキーワード抽出 2005-10-12-1 [Programming][Algorithm] 形態素解析器と Yahoo! Web 検索 API と TF-IDF を使ってキーワード抽 出するという先日の検索会議でのデモ、KEYAPI[2005-09-30-3]。 教科書に載っているような基本中の基本ですが、あらためてエッセンスを 簡単な例で解説したいと思います。 目的：キーワード抽出対象テキストから、そのテキストを代表する キーワードを抽出します。TF-IDF という指標を用います。（この値が大 きいほどその単語が代表キーワードっぽいということでよろしく。） TF-IDF を計算するためには、 (1) キーワード抽出対象テキスト中の代表キーワード候補出現数 (TF)、 (2) 全てのドキュメント数 (N)、 (3) 代表キーワード

INDEX はじめに PageRank の基本概念 どうやって PageRank を求めるか 現実に適用する際の問題 Namazu での実装実験 PageRank に対する個人的見解 参考文献 おまけ：「グーグル？／ゴーグル？」 Since: Thu Feb 1 18:22:44 JST 2001 Last Refreshed: Sat Jan 24 18:30:35 JST 2004 ★(2004/1/24) Yuan Huanglin氏によって 本ページの中国語訳 が作成されました。 ★(2003/7/1) 拙著『Namazuシステムの構築と活用』を改訂しました。 詳しくは サポートページをご覧ください。 ★(2003/5/20) Google に関するオンラインニュース記事一覧(日本語記事のみ)を 別ページ(googlenews.html) として分離しました。 ★(2001/2/