BCI 特徴空間における特徴選択のための積極的突然変異を用いた遺伝的アルゴリズム

Genetic algorithm with aggressive mutation for
feature selection in BCI feature space
Pattern Analysis and Applications, 2015, Vol.18, No.3, P.485-492
20170830_tishihara

この論文の目的は,攻撃的突然変異を有する遺伝的アルゴリズムと呼ばれる,特徴選択のための新しいアルゴリズムを提示することである.この論文では,アルゴリズムの理論的背景と,ブレイン-コンピュータインタフェース(BCI)領域における特徴選択のための応用の両方を提示している.アルゴリズムの可能性を十分に提示し,実用性を実証するために,BCI の研究で一般的に使用されている他の方法と比較する.提案されたアルゴリズムの実際の応用は,第2 回BCI コンペティション(データセットIII-モーターイメージ)に提出されたベンチマークセットであった.

脳波を用いた感情認識のための特徴抽出と選択

Feature Extraction and Selection for Emotion
Recognition from EEG
IEEE Transactions on Affective Computing, Vol.5, No.3, pp.327-339, 2014
20170510_hwada

EEG 信号からの感情認識は,人間と機械との相互作用における重要な要素と考えられるユーザーの内部状態を
直接評価することを可能とする.特徴抽出のために多くの方法が研究されており,神経科学的知見に基づいた適切
な特徴と電極位置の選択が行われている.しかし,感情認識に対する適合性は,少量の別個の特徴セットやデー
タセットを用いて評価されている.大きな制約として機能の系統的な比較がないことが挙げられる.そこで,我々
は33 の研究に基づいて,脳波から感情認識のための特徴抽出法を検討する.自己記録データセット上の特徴選択
のための機械学習技術を用いて,これらの特徴を比較する評価を行う.結果は,異なる特徴選択の実行,選択され
た特徴量,および電極位置の選択に関して掲示した.多変量法により選択された特徴は,単変量法よりわずかに
優れていた.高度な特徴抽出技術は,一般的に使用されるスペクトルパワーバンドよりも利点を有することが分
かった.結果は頭頂葉および,中心から頭頂葉の上の位置を優先することを示唆した.

特徴選択のための進化的計算手法の調査

A Survey on Evolutionary Computation Approaches to Feature Selection
IEEE Transactions on Evolutionary Computation, Vol.20, No.4, pp.606-626, 2016
20170424harada

特徴選択は,データの次元を減らし,分類アルゴリズムといったアルゴリズムの性能を向上させるために,データマイニングおよび機械学習において重要な課題である.
しかし,特徴選択は主に探索空間が膨大なために困難な課題である.
特徴選択問題を解決するために,様々な方法が適用されている.
そのうち近年では,進化的計算技術が注目され,成功を収めている.
しかし,代替手法の長所と短所に関する包括的なガイドラインは存在しない.
これは分離・断片化された分野に対して,最終的に性能を改善しアプリケーションの成功させる機会の損失につながる.
本稿では,特徴選択のための進化的計算技術に関する最先端の内容について包括的に述べ,様々なアルゴリズムの貢献を特定する.

EEG特徴空間における特徴選択のための遺伝的アルゴリズムと前進的選択法

Genetic algorithm and forward method for feature selection in EEG feature space
Journal of Theoretical and Applied Computer Science, 2013, Volume 7, No.2, P.72-82
20161123_tishihara

脳波信号(EEG)に基づいたブレインコンピュータインターフェースを構築するプロセスには多くの問題が生じる.実施可能な実験の数と特徴空間のサイズとの間に大きな不均衡があり,記録された信号から抽出された特徴はそれらの1つに含む.この不均衡を減少させるために,特徴選択のための方法を適用することが必要である.機能選択のアプローチの1つは,しばしばブレインコンピュータインタフェースの研究で行われる,各個人のすべての機能をコード化する古典的な遺伝的アルゴリズムである.この研では,このアプローチは高度な分類精度の特徴の集合を得ることができるが,フォワード選択法を用いて選択された特徴の集合または与えられた(非常に小さい)個の遺伝子の個体を備えた遺伝的アルゴリズムと比較して高度に冗長な特徴集合にもつながることを示す.

サポートベクトルマシンによる特徴量選択を用いたピロリ菌関連の胃組織学的分類

Helicobacter Pylori-Related Gastric Histology Classification Using Support-Vector-Machine-Based Feature Selection
IEEE Transactions on Information Technology in Biomedicine, Volume 12, Nomber 4, pp.523-531, 2008
20160629 yokada

本研究では,内視鏡画像からヘリコバクター・ピロリ(ピロリ菌)の胃組織像を診断するために,サポートベ クトルマシン(SVM)による SFFS(Sequential Forward Floating Selection)を使用したコンピュータ支援診断 システムを提案する.この目標を達成するために,臨床症状に関連した候補画像の特徴は,内視鏡画像から抽出 される.これらの候補の特徴を抽出する際,SFFS 法は,異なる組織学的特徴に対して SVM により最良の分類結 果を実行する特徴サブセットを選ぶために適用される.特徴サブセットから得られた分類器を用いて,新たな診 断システムは,内視鏡画像からピロリ菌関連の組織学的結果を医師に提供するために実装される.

カプセル内視鏡動画におけるテクスチャ及びカラーベースの画像領域分割と病態検出

20150427 hayashinuma

Texture and color based image segmentation and pathology detection in capsule endoscopy videos
Computer Methods and Programs in Biomedicine, Vol. 113, No. 1, pp.396{411, 2014
本論文ではワイヤレスカプセル内視鏡(WCE)画像の探究的解析を行うために,いくつかの手法について綿密な研究について示す.胃腸の様々な異常に対応する画像領域の可変的なテクスチャとカラーベースの記述子がWCEフレーム内にある病変を正確に検出することを検証する.さらに,近傍のテクスチャ特徴で記述された単一ピクセルを分類することにより,画像は画像の内容と整合性の取れた領域に分割される.検出と領域分割のいずれの手法も特徴量算出や特徴量のサブセットの選択,分類の段階で構成される同じ手順が適用される.この一般的な3段階フレームワークは様々な認識の戦略を用いて実現される.具体的には,開発されたベクターサポート凸包分類アルゴリズムの性能が2 つの異なる特徴量選択手法で構成されるサポートベクターマシンと比較される.

ニューラルネットワークモデルによる特徴選択と分類の為の多目的進化的アルゴリズムを用いたアンサンブル 最適化

pdf

A multi-objective evolutionary algorithm-based
ensemble optimizer for feature selection and
classi cation with neural network models

Neurocomputing, Volume 125, 11 February 2014, Pages 217-228

本稿では,私達は機能選択と分類問題を解決する為のニューラルネットワークモデルと結び付けられた新しい多目的進化的アルゴリズムを基にしたアンサンブル最適化を提案する.特に,修正マイクロ遺伝的アルゴリズム(MmGA)は,アンサンブル最適化を行う為に用いられる.MmGA-ベースのアンサンブル最適化の目的が複数存在するのは,分類の為に少しのインプット機能を選び,ニューラルネットワークモデルの分類パフォーマンスを高めることが目的である.提案されたシステムの有効性を評価するために,本稿では多くのベンチマーク問題を用い,結果は他の方法と提案手法による比較によっておこない,人の動作検出と分類問題への提案されたシステムの適応性を評価した.結果として,提案されたMmGA-ベースのアンサンブル最適化が,少しの入力機能を持つニューラルネットワークモデルの分類パフォーマンスを高めることができることを明確に証明した.