Extending and Advancement of Clustering Methods for Network Data with Structural Fluctuations

2021 Fiscal Year Final Research Report

• Project/Area Number: 19K12146
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61040:Soft computing-related
• Research Institution: Kindai University
• Principal Investigator: Hamasuna Yukihiro 近畿大学, 情報学部, 准教授 (70610559)
• Project Period (FY): 2019-04-01 – 2022-03-31
• Keywords: クラスタリング / ネットワークデータ / 構造的ゆらぎ / 機械学習 / ソフトコンピューティング / ガウス過程 / サイズコントロール

Outline of Final Research Achievements

This research project aimed to establish a novel cluster analysis framework to achieve data mining for network data with structural fluctuations. First, mathematical models to handle network data with structural fluctuations are investigated based on the previous research. Second, clustering methods based on proposed mathematical models are constructed. Next, the versatility of investigated mathematical models is verified to apply the models for time-series data clustering. The proposed clustering methods are organized throughout the research project through comparative numerical experiments with conventional methods regarding cluster partition, execution time, and data scale.

Free Research Field

機械学習

Academic Significance and Societal Importance of the Research Achievements

本研究課題では、大規模データのマイニングを目的に、ネットワークデータに伴う構造的ゆらぎに対する知識のモデル化とクラスタリング手法の開発に取り組んだ。さらに、数理モデルおよび開発手法について、理論的検討および数値実験を通じて得られた知見により、アルゴリズムのみならずクラスタリングの方法論について、包括的発展に取り組んだ。これらの成果により、大規模ネットワークデータに隠された因果関係や相互作用を明らかにするデータマイニングの実現に向けた方法論の基盤を築いた。