抄録
近年，脳からの情報により機械を制御するBCI (Brain-Computer Interface) の研究が盛んに行われている．脳信号を識別する手法として，アンサンブル学習の一手法であるpdi-Boosting (Probabilistic Data Interpolation-Boosting)が提案されている．pdi-Boosting は，複数の弱判別器により脳信号の離散データを識別し，その誤識別データ付近に補間データを発生させ，多数決原理で識別率を向上させる．しかし，補間データは正規分布による正規乱数で発生させるため，補間データが誤識別データから遠く離れた場合には，識別率を低下させる場合もある．本論文では，補間データの識別クラスを決定する新たなpdi-Boosting のアルゴリズムを提案する．まず，数多くの条件を設定して数値例によりpdi-Boosting の特性を明らかにして，NIRS (Near-Infrared Spectroscopy) による信号解析を行った．次に，これらの応用事例により得られた観点から，補間データの識別クラスを決定する評価式を定義し，アルゴリズムを定式化した．識別クラスの評価式は，補間データの誤識別データのクラスへの依存度，クラス識別の依存度，近傍データへの依存度の3つの評価式からなる．ここでは，この新たなpdi-Boosting のアルゴリズムを定式化し，その有用性を数値例により議論した．
