ファジィクラスタリングによる混合データベースからの知識発見に関する研究
| Project/Area Number |
17700240
|
|---|
| Research Category |
Grant-in-Aid for Young Scientists (B)
|
| Allocation Type | Single-year Grants |
|---|
| Research Field |
Sensitivity informatics/Soft computing
|
|---|
| Research Institution | Osaka Prefecture University |
|---|
Principal Investigator |
本多 克宏 Osaka Prefecture University, 工学研究科, 助教 (80332964)
|
|---|
| Project Period (FY) |
2005 – 2007
|
| Project Status |
Completed (Fiscal Year 2007)
|
| Budget Amount *help |
¥3,400,000 (Direct Cost: ¥3,400,000)
Fiscal Year 2007: ¥1,300,000 (Direct Cost: ¥1,300,000)
Fiscal Year 2006: ¥1,200,000 (Direct Cost: ¥1,200,000)
Fiscal Year 2005: ¥900,000 (Direct Cost: ¥900,000)
|
|---|
| Keywords | ソフトコンピューティング / ファジイクラスタリング / データ解析 / 知識発見 / ファジィクラスタリング |
|---|
| Research Abstract |
本研究は,「質的データの数量化」と「数量化されたデータのファジイクラスタリング」に相当する分析手法を開発することで,混合データベースから潜在的な知識を発見することを目的としている.平成17・18年度には,多変量解析手法で用いる最適変換との融合により,尺度混在データのためのFCMクラスタリング法を提案し,国勢調査データや小売店のPOSデータからの知識発見を通して新たな分析手法の有効性を示した.平成19年度に得られた成果は以下のとおりである.
1.FCM法のプロトタイプを線形多様体に拡張した線形ファジイクラスタリング法は,局所的な主成分分析法の一種とみなされ,データマイニング手法としても有効である.線形ファジイクラスタリング法に名義変量の最適変換の機構を融合する2種類のアプローチを定式化し,尺度混在データのための局所的な主成分分析法を提案した.データの分割を重視して単一の量的データ空間を構築するアプローチと部分集合ごとの最適変換アプローチを併用することで,従来の統計的手法では知ることができなかった潜在的かつ"面白い"知識が発見できることを明らかにした.
2.ファジイ分割の考えをスイッチング回帰に応用したファジィc回帰に,最適変換に基づくカテゴリーの分割機構を組み込むことで,複数の回帰モデルの各々を特徴づけるカテゴリーを見出す分析手法を提案した.相互の関連を捉えづらい複数のモデルの特徴をカテゴリー得点により直感的に表現することで,知識発見手法としての利便性を向上させた.
3.ユーザのアイテムに対する評価値からなるデータ行列中の欠測値を予測する問題ととらえられる協調フィルタリングに,名義変量の最適変換を組み込んだ線形ファジイクラスタリング法を応用することで,カテゴリー情報を考慮した推薦システムの構築法を提案した.
|
Report
(3 results)
Research Products
(13 results)
