Construction of convex optimization schemes for large-scale subspace clustering and its theoretical guarantees

2021 Fiscal Year Final Research Report

• Project/Area Number: 19K20336
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 61030:Intelligent informatics-related
• Research Institution: The University of Tokyo
• Principal Investigator: Matsushima Shin 東京大学, 大学院情報理工学系研究科, 准教授 (90721837)
• Project Period (FY): 2019-04-01 – 2022-03-31
• Keywords: 機械学習 / 凸最適化 / クラスタリング / 部分空間クラスタリング

Outline of Final Research Achievements

The goal of this project is to establish a convex optimization scheme for large-scale subspace clustering and its theoretical guarantees.
This research project has developed an algorithm called S5C for large-scale subspace clustering. This algorithm empirically and theoretically achieves linear complexity to the data size, whereas previous methods required more than quadratic complexity to the data size. This result has been accepted in the thirty-third conference on neural information processing systems which is one of the most important international conferences on machine learning and presented in Vancouver.

Free Research Field

数理情報学

Academic Significance and Societal Importance of the Research Achievements

部分空間クラスタリングは理論保証が難しいクラスタリング手法において理論的に美しい結果が知られているという意味で有意義な手法である。本研究ではこの部分空間クラスタリングが大規模データにも適用可能であることを示し、実験的にも有効性を検証した点に学術的な意義がある。部分空間クラスタリングに関する研究が機械学習の主要な国際会議に採択されたことで、機械学習の発展には実用性だけではなく理論的な美しさも重要であるという理念の補強の一助となったことにも社会的な意義があると考えられる。