画像特徴抽出において、サンプルラベルが完全に正確で有効とは限らず、画像分類フレームワークの分類精度が大幅に低下する可能性がある。一方、既存のラベル復元アルゴリズムはノイズを含むサンプルを効率的に再利用するのが難しいという課題に直面している。これに対し、本論文ではサブセット分割の反復投影統合に基づくラベル復元アルゴリズムを提案する。このアルゴリズムはまず、小規模なサブセット情報を複数回ランダムに抽出し、次に主成分分析、近傍グラフ正則化、k近傍法などの技術を統合してサンプル画像の信頼性の高い次元削減と反復投影統合を行い、最後に多数決の原理に従ってラベル復元を実現する。本論文では、代表的な2つの顔データベースを選択し、異なる指標の下で複数のラベル復元アルゴリズムを大量に比較分析した。実験結果より、本アルゴリズムはノイズが含まれるサンプルラベルを効果的に補正でき、同一の画像分類フレームワーク内でYale BとARデータベースにおいて分類精度をそれぞれ16.9％および8.1％向上させたことが示された。現在の最良のラベル復元アルゴリズムと比較して、本サブセット分割反復投影統合アルゴリズムは分類精度を4.3％～4.7％向上させ、サンプルデータの完全性を確保しつつ一定の拡張性を備えている。

画像分類;特徴抽出;ノイズラベル;ラベル復元;信頼できる次元削減