Research on knowledge discovery and data analysis methods using computational geometry

2022 Fiscal Year Final Research Report

• Project/Area Number: 17K00002
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Research Field: Theory of informatics
• Research Institution: Tohoku University
• Principal Investigator: CHUN JINHEE 東北大学, 情報科学研究科, 准教授 (80431550)
• Project Period (FY): 2017-04-01 – 2023-03-31
• Keywords: 計算理論 / アルゴリズム / 計算幾何 / データマイニング

Outline of Final Research Achievements

The purpose of this research is to propose a visualization knowledge extraction model to overcome the current accuracy limitations in medical data mining. The proposed method automatically cuts out images from medical image data using a computational geometry method. We obtained the result of data knowledge extraction theory construction.
Furthermore, in order to improve the interpretability in machine learning, we have obtained results that show the validity and high quality of the proposed method through theoretical analysis and system implementation experiments on an explanation method that does not depend on the learning model.

Free Research Field

計算理論

Academic Significance and Societal Importance of the Research Achievements

本研究の主な結果として，画像データ認識の為に，画像切り出し問題を，最大重み領域問題としてアルゴリズムを与えた．基本領域の分割可能な和集合で表される領域族に対する最大重み領域問題について効率的なアルゴリズムを提案した．本論文における結果と交差を許した和集合領域の最適切り出し問題におけるNP困難性を比較すると，計算量と幾何学的性質の関連の解明として興味深い成果と考えられ，学術的に興味深い結果を示した．
さらに機械学習における解釈性向上の為に，学習モデル依存性のない説明手法を理論的な解析とシステムの実装実験により提案手法の妥当性と高い品質を示し，機械学習解析性の理論解析と言う学術的意義がある．