2019 Fiscal Year Research-status Report
Study on k-means type clustering based on rough set theory
| Project/Area Number |
17K12753
|
|---|
| Research Institution | Osaka Prefecture University |
|---|
Principal Investigator |
生方 誠希 大阪府立大学, 工学(系)研究科(研究院), 助教 (10755698)
|
|---|
| Project Period (FY) |
2017-04-01 – 2021-03-31
|
| Keywords | ソフトコンピューティング / ラフ集合理論 / ファジィ理論 / クラスタリング / k-means / Rough C-means / Rough set C-means / Rough membership C-means |
|---|
| Outline of Annual Research Achievements |
ラフ集合に基づくk-means型クラスタリングの一般化や拡張手法の研究，また，共クラスタリングに関する研究を行い，以下の成果を上げた．
(1) 従来法であるRough C-Means (RCM)法を一般化したGeneralized RCM (GRCM)法における一次関数閾値に基づくクラスター割り当てに着目し，さらに一般化を行い，Linear Function Threshold-Based C-Means (LiFTCM)法を提案した．本成果について，1件の学術論文発表を行った．
(2) ノイズの影響でクラスター構造を正確に抽出できなくなる問題に対処するため，提案法であるRough Set C-Means (RSCM)法にノイズ除去機構を取り入れ，Noise RSCM (NRSCM)法を提案し，その特性を議論した．本成果について，1件の国際会議発表を行った．
(3) 対象の属するクラスの情報が部分的に得られている状況下で教師情報を活用して精度の高いクラスタリングを実行するために，RCM法やRSCM法，またRough Membership C-Means (RMCM)法における半教師あり学習の枠組みを提案し，その有効性を示した．本成果について，1件の国際会議発表を行った．
(4) 親近性の高い対象と項目を同時にグループ化する共クラスタリングにおいて，大規模データへの適用を可能とするため，種々の勾配降下法に基づくオンライン学習・ミニバッチ学習の枠組みを提案し，比較検討を行った．本成果について，1件の国際会議発表を行った．
(5) 共クラスタリングにおいて，ノイズを含むデータにおいて適切にクラスター数を推定するため，ノイズ除去機構を導入した混合多項分布型ファジィ共クラスタリングにおけるクラスター数の自動設定法を提案し，その有効性を示した．本成果について，1件の国内学会発表を行った．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
第3年度は最終年度として，理論的・応用的側面の両面について展開を図る予定であった．おおむね順調に進展したが，結果として，研究期間の延長申請を行い，第4年度を最終年度とすることとした．
(1) GRCM法のさらなる一般化については，当初の計画では発案しておらず，当初の計画以上に進展した．
(2) 当初計画していた，提案法であるGRCM法やRSCM法，RMCM法におけるノイズ除去機構や半教師あり学習，また，共クラスタリングにおけるオンライン学習やクラスター数自動決定については研究目的を十分に達成できた．
(3) 当初計画していた，ラフ集合に基づくk-means型クラスタリングの目的関数に基づく定式化および理論的発展については，RMCM法における目的関数を定式化し，アルゴリズムを導出し，その特性を検証した．本成果について，1件の学術論文投稿を行い，研究目的を達成した．
(4) 当初計画していた，クラスター中心をクラスター内誤差が最小となる対象によって決定するk-medoids法のラフ集合理論による拡張については，Rough C-Medoids (RCMdd)法を考案し，クラスタリング精度への効果の検証の予備実験を行い，予備的な成果が得られた．
(5) 当初，応用展開として計画していた，ラフクラスタリングの協調フィルタリングへの応用やラフ集合に基づく共クラスタリングに関する応用の検討については，本研究課題の範囲を超えており，その規模の大きさから，新規プロジェクトとして研究を遂行することが適切と考え，「2020年度若手研究：ラフ集合理論に基づく不確実性を考慮したクラスタリング手法の新展開」で行うこととした．したがって，本内容については予備的な考察と検証に留まった．
|
| Strategy for Future Research Activity |
補助事業期間延長適用後の最終年度である第4年度においては，延長理由と使用計画に基づき，これまでの研究成果である論文2件の掲載料の支払いを行う．
また，これまでの研究の集大成として，ラフクラスタリグに関する解説記事の執筆を行う．
|
| Causes of Carryover |
2019年3月に学術論文誌「Information Sciences」に投稿した論文について，査読が遅延し，2020年2月に査読結果が通知され，再投稿の必要が生じた．
2019年6月に学術論文誌「日本知能情報ファジィ学会誌」に投稿した論文について，出版プロセスが遅延し，2020年4月号に掲載された．
本補助事業の研究成果である当該論文2件の掲載料を，期間を延長した第4年度に支払う．
|
