2017 Fiscal Year Annual Research Report
Consolidation of Visualization Platform Toward Facilitating Sparse Modeling
| Project Area | Initiative for High-Dimensional Data-Driven Science through Deepening of Sparse Modeling |
|---|
| Project/Area Number |
25120014
|
|---|
| Research Institution | Keio University |
|---|
Principal Investigator |
藤代 一成 慶應義塾大学, 理工学部(矢上), 教授 (00181347)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
渡辺 一帆 豊橋技術科学大学, 工学(系)研究科(研究院), 講師 (10506744)
高橋 成雄 会津大学, コンピュータ理工学部, 教授 (40292619)
|
|---|
| Project Period (FY) |
2013-06-28 – 2018-03-31
|
| Keywords | 可視化 / 機械学習 / トポロジー |
|---|
| Outline of Annual Research Achievements |
最終年度となる今年度も，研究期間後半の研究体制を維持し，【課題1】最適商写像選択過程の機械学習，【課題2】商写像表現変換のための潜在変数モデリング，【課題3】次元圧縮写像の視覚メタファとグリフ設計の対合による3つの複合課題【複合課題A（課題1と2の対合）】商写像推定の高可用性，【複合課題B（課題2と3の対合）】視覚メタファ設計，【複合課題C（課題3と1の対合）】履歴学習を設定して研究を実施した．その結果得られた年度内の具体的な主要成果は以下のとおりである．
①高次元データに対する非対称バイクラスタリング手法が有するデータマトリクス分割の強い制約を緩和し，より適応的に部分空間を同定する手法として，モンドリアン型データタイリングを提案した．さらに，併合可能ブロック対候補のネットワーク可視化インタフェースとデータマトリクスの行・列自動置換を伴う対話的可視化処理系を構築した．これらを，QOLや食品成分の実データに適用し，その効果を検証した．
②多次元時系列データに対するTimeTubes法に関しては，対象データが内包する不確実性を緩和する視覚的データ融合機能を拡充するとともに，既存の時系列異常値学習アルゴリズムを発展させて，データ固有の特徴部分時空間を類似検索するスパースモデリング支援機能を実現した．また，メタモルフォーズと視線追跡を組み合わせた簡易個人解析者向け裸眼立体視による没入的視覚分析機能の増強も実現した．
③②の処理系に関しては，多次元時系列データの典型例であるブレザー観測データ（A01-3：天文学班）への適用を継続し，その実利的効果を実証している．
|
| Research Progress Status |
29年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
29年度が最終年度であるため、記入しない。
|
Research Products
(33 results)
