New Development of Clustering Methods Considering Uncertainty Based on Rough Set Theory

2023 Fiscal Year Final Research Report

• Project/Area Number: 20K19886
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 61040:Soft computing-related
• Research Institution: Osaka Metropolitan University (2022-2023); Osaka Prefecture University (2020-2021)
• Principal Investigator: Ubukata Seiki 大阪公立大学, 大学院情報学研究科, 准教授 (10755698)
• Project Period (FY): 2020-04-01 – 2024-03-31
• Keywords: ソフトコンピューティング / ファジィ理論 / ラフ集合理論 / クラスタリング / ファジィクラスタリング / ラフクラスタリング / 共クラスタリング / 協調フィルタリング

Outline of Final Research Achievements

By improving RCMdd and various rough clustering techniques, robust and flexible clustering has been achieved. Additionally, rough collaborative filtering (CF) methods such as RCM-CF, RSCM-CF, and RMCM-CF have been proposed. Furthermore, rough co-clustering-based CF methods like RCCMM-CF and RSCCMM-CF have been proposed. These approaches address the inherent uncertainties in real-world datasets, enhancing recommendation performance. Moreover, by incorporating online learning and mini-batch learning, which sequentially read data and update parameters, as well as introducing mechanisms for adaptively adjusting the number of clusters and utilizing dimensionality reduction, the application to large-scale datasets has been made possible.

Free Research Field

ソフトコンピューティング

Academic Significance and Societal Importance of the Research Achievements

本研究では，ラフ集合理論に基づいて不確実性を考慮したクラスタリング手法の改良やその協調フィルタリングへの応用に取り組み，実データを用いた数値実験を通してそれらの有効性を実証した．提案するラフクラスタリングやラフ協調フィルタリングにより，実世界の多様なデータセットにおいて不確実性を考慮した適切な分類が可能となり，ユーザーが探しているコンテンツへのアクセスを容易にするなど，我々の生活をより豊かにするアプローチを提供した．