2012 Fiscal Year Annual Research Report
不可逆圧縮原理に基づく非ＩＩＤデータ学習手法に関する研究
| Project/Area Number |
22500119
|
|---|
| Research Institution | Gunma University |
|---|
Principal Investigator |
安藤 晋 群馬大学, 工学(系)研究科(研究院), 助教 (70401685)
|
|---|
| Project Period (FY) |
2010-04-01 – 2013-03-31
|
| Keywords | 非IIDデータ学習 / ドメイン交差学習 / 時系列分類 / 人行動データマイニング |
|---|
| Research Abstract |
本研究課題では低コストで大規模なデータ収集が可能な情報源を扱うための一般的な方法論を構築するため，独立かつ同一な分布からの抽出という統計学的前提に従わないサンプル群を扱う非IID性データ学習の問題の定式化および原理的手法の設計を実施した．直接的な対象として，センサ機器や画像認識技術の普及により応用が期待される物理的行動データ，エージェントや人体部位を表す多変量時系列を扱った．
本計画では，まず行動データにおける非IID性のカテゴリを個人差による行動パターンの分布の違いのようなドメイン内非IID性と異なる行動文脈におけるパターン分布の違いのような不連続な非IID性の２つに大きく分け，それぞれに対する問題を定式化した．．これらを基礎として多変量時系列分類において有効とされる事例ベース・距離ベース手法を設計し，それらの成果を米応用数学学会国際データマイニング会議(2011)およびIEEE国際データマイニング会議(2011)にて発表した．前者は非IID性の一例としてエージェント行動の異常性を認識する問題を扱い，後者では追跡と探索行動といった目的文脈の違いによる確率密度分布の違いを検出し，非IID性を補正する方法を示した．この成果をふまえ，人行動の日常的なの動作と危険性事故性のある動作を分類するといった応用を行い．成果を査読付きジャーナルおよび国際会議に投稿した．また，行動時系列データ学習において非IID性学習，ドメイン交差学習の手法を一般的で適用可能にする表現形式を提案し，IEEE国際データマイニング会議附設時空間データマイニングワークショップ(2012)において発表した．これを基礎とした，経時変化による分布の変化をともなう時系列の分類問題に取り組み，その成果を米応用数学学会国際データマイニング会議(2013)において発表した．
|
| Current Status of Research Progress |
Reason
24年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
24年度が最終年度であるため、記入しない。
|
