Research Project
Grant-in-Aid for Early-Career Scientists
部分空間学習は，データの冗長性を削減し，潜在的なデータ構造を明らかにするデータ分析手法のひとつである．しかし，近年，多岐にわたる情報の収集および蓄積能力が著しく向上したことで，データセットの大規模化および複雑化が進んでいる．従来の部分空間学習手法は，このようなビッグデータを現実的な計算時間かつ記憶容量で解くことを困難としている．また，線形回帰の仮定に基づいているため非線形構造を扱うことができない．本研究では，特徴量選択と符号化処理の考えに基づいた部分空間学習法を構築することで，データセット本来の潜在的部分空間構造を表現する汎用特徴表現獲得に向けた基盤モデルの実現を図る．
