基於主成份分析修正小樣本學習之虛擬樣本產生過程

Abstract

由於現今科技發展迅速，導致?多產品的生命週期縮短，企業便將更多資源投入產品的研發與設計，往往每過幾季便要將新產品上市。因此，如何在短時間內以現有的技術大量生產新產品成為企業不容忽視的問題。而產品在試產階段取得的樣本資料往往不足，如有有效運用少量樣本資料解決生產問題便是小樣本學習問題。過往小樣本學習之相關研究大部分是以產生虛擬樣本來提升學習效率，且已有多篇文獻顯示若在訓練資料加入虛擬樣本，確實能提高分類正確率或是預測準確度。為了使虛擬樣本產生時，使用整體趨勢擴散技術或盒鬚圖法對屬性母體值域推估能更加合理化，本研究將透過主成份分析轉變座標主軸的概念，對資料屬性進行轉換，確保屬性間滿足彼此獨立的研究假設。由於資料屬性存在相依性時，會導致虛擬樣本無法各別產生，必需額外考量屬性間的關聯性，若在此情況下仍忽略此限制使用整體趨勢擴散技術進行虛擬值的生成，則可能會造成值域推估出現偏誤。因此本研究將設法使資料屬性間保持獨立，並以此生成虛擬樣本並投入訓練樣本，提高分類表現之穩定度。

Date of Award	2016 Jul 7
Original language	Chinese
Supervisor	Der-Chiang Li (Supervisor)