2015 Fiscal Year Annual Research Report
自動データ選択とパターン抽出の統合による巨大データ集合体からの知識発見
| Project/Area Number |
25280085
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
鈴木 英之進 九州大学, システム情報科学研究科(研究院, 教授 (10251638)
|
|---|
| Project Period (FY) |
2013-04-01 – 2016-03-31
|
| Keywords | 巨大データ集合 / 自動データ選択 / パターン抽出 / データマイニング |
|---|
| Outline of Annual Research Achievements |
前年度までに取り組んできた2種類のメタパターン発見手法を洗練して実験で実用性を確認するとともに，新たに分類子クラスタリングとクラス分類ルールに関する2種類のメタパターン発見手法を考案・開発し, 実験で有効性を示した．購入した高性能計算機は，これらの実験に有効に用いた．
クラスラベルなしデータアンサンブルから共通クラスタに関するメタパターンを発見する手法に関しては，高速化を図った．クラスラベル付きデータアンサンブルからスパースモデリング重みに関するメタパターンを発見する手法については，パターン定義などを改良した．人工データと実データを用いた実験では，計算時間や発見メタパターン数など実用性を確認した．
さらに，クラスラベル付きデータアンサンブルを入力とし，学習される線形モデルのクラスタリングに関するメタパターンを発見する手法および確率的クラス分類ルールが一部のデータ集合において成立するメタパターンを発見する手法を考案・開発した．人工データと実データを用いた実験では，前者は既存のマルチタスククラスタリングとほぼ同等の性能を示すが，顔表情に関するデータではより優れていた．後者は，新規に開発した情報量基準に基づいており，一般性，正確性，希少性など分類ルールが満たすべき性質を正しく統一的に評価できる．
その他，顔表情分類に関するデータアンサンブルを取得して整備し，実験に用いた．人行動分類，人姿勢クラスタリング，顔表情分類など，関連するデータマイニング問題にも取り組んだ．
|
| Research Progress Status |
27年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
27年度が最終年度であるため、記入しない。
|
| Causes of Carryover |
27年度が最終年度であるため、記入しない。
|
| Expenditure Plan for Carryover Budget |
27年度が最終年度であるため、記入しない。
|
