| Project/Area Number |
16K00066
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Research Field |
Statistical science
|
|---|
| Research Institution | Nagasaki University (2019-2020)
Yamagata University (2016-2018) |
|---|
Principal Investigator |
SUZUKI Ikumi 長崎大学, 情報データ科学部, 准教授 (20637730)
|
|---|
| Project Period (FY) |
2016-04-01 – 2021-03-31
|
| Project Status |
Completed (Fiscal Year 2020)
|
| Budget Amount *help |
¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2019: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2018: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2017: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2016: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
|
|---|
| Keywords | 近傍法 / ハブネス / 半教師あり学習 / 高次元 / 空間中心性 / ハブの軽減 / Hubness / Semi-supervised learning / Spatial centrality / 大規模高次元データ / 機械学習 |
|---|
| Outline of Final Research Achievements |
Lately Big-data gain a lot of attention, however it is still hard problem to get to information we need. In this research, we focus on one of the curse of dimensionality problem, hubness, to establish firm and robust method. We profoundly extend our original hubness reduction method to understand the behind mechanism of hubness.
|
| Academic Significance and Societal Importance of the Research Achievements |
大規模高次元データは機械学習や統計科学的に重要な対象であり，低次元の場合とは異る様相を見せることが知られているが，その理解はまったく十分ではない．特に新しい概念であるハブの問題は，高次元空間でハブが出現し問題となる，という指摘に留まっており，特にその解決法は，申請者らの研究以外世界的にもあまり見当たらない．データが増えるにつれ，欲しい情報にたどり着くことは難しい．その要因の一つであるハブの存在が悪影響を与えていると考えられ，妥当な検索結果を得ることができないという障害が一因となっていると考えられる．一般的な大規模高次元データに対する分類・検索などの様々な応用につながるため，実用的な意義は大きい
|
