Development of clustering method for large and complex data and its theoretical properties

2023 Fiscal Year Final Research Report

• Project/Area Number: 20K19756
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 60030:Statistical science-related
• Research Institution: Osaka University
• Principal Investigator: Terada Yoshikazu 大阪大学, 大学院基礎工学研究科, 准教授 (10738793)
• Project Period (FY): 2020-04-01 – 2024-03-31
• Keywords: クラスタリング / 高速化

Outline of Final Research Achievements

In this study, we developed a general computational cost reduction method for large-scale clustering and showed its theoretical properties. Additionally, we developed a fast algorithm for convex clustering that can flexibly capture hierarchical group structures. By using the proposed methods, it is possible to perform complex clustering techniques on over a million data points within one minute, even using a laptop. This enables the rapid estimation of underlying cluster structures in large and complex data.

Free Research Field

教師なし学習

Academic Significance and Societal Importance of the Research Achievements

近年のデータの大規模化・複雑化に伴い, データからグループ構造を発見するためのクラスタリング法の重要性が増している. しかし, これまで大規模データに対しては, 単純なクラスタ構造しか捉えられないクラスタリング法しか適用ができなかった. 本研究成果により, クラスタリング法を必要とする任意の分野において, 短時間かつ容易に, 大規模データから複雑なクラスタ構造を推定することが可能となった. 本研究を応用することで, 様々な応用分野において, 新たな知見の発見などが期待できる.