2016 Fiscal Year Annual Research Report
Big data analytics by multidimensional cluster scaling and its social applications
| Project/Area Number |
26330033
|
|---|
| Research Institution | University of Tsukuba |
|---|
Principal Investigator |
イリチュ 美佳 (佐藤美佳) 筑波大学, システム情報系, 教授 (60269214)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
青嶋 誠 筑波大学, 数理物質系, 教授 (90246679)
清水 信夫 統計数理研究所, データ科学研究系, 助教 (00332130)
|
|---|
| Project Period (FY) |
2014-04-01 – 2017-03-31
|
| Keywords | ビックデータ / 多次元尺度 / クラスター尺度 / 可視化手法 |
|---|
| Outline of Annual Research Achievements |
ビックデータ解析に対応する新たな手法として、「多次元クラスター尺度構成法」を開発し、開発した手法の各種性能を精査するとともに、実用化を図った。ビックデータでは、多次元データの尺度構成が困難であったが、それを可能とするために、平成２６年度は、多次元のクラスターについて尺度構成を行い、個体の分類と得られたクラスターの尺度構成を同時に行う方法を開発し、その性能の評価を行った。
次に、平成２７年度は、平成２６年度に開発した手法を社会的データに対して応用し、その成果を国内外に公表した。これら２年間の研究成果に対して、CAS2014, CAS2015国際会議で、2年連続の1st Runner up Theoretical Paper Awardを受賞した。また、国際会議CAS2014で基調講演を行い、パリ大学での招待講演も行った。さらに、CMStatistics 2015国際会議やIASC-ARS 2015国際会議での招待研究発表を行った。
平成２８年度においては、平成２６年度、２７年度に開発した方法を拡張し、データが個人や時点毎に得られている場合、個人や時点間の相違性をも可視化する多次元クラスター尺度構成法を開発した。また、これらの手法と従来の同時視覚化手法との比較研究から、提案手法の優位性を示した。多次元や大量のデータ構造を低次元で可視化することは、大量のデータ情報を失うことになり、一般に困難な問題である。本研究で提案した一連の方法の特徴は、データをグループ（クラスター）にまとめることにより生じた分類構造を尺度としてあつかい、利用することであるが、これら一連の成果については、SOFA2016国際会議で基調講演を行い、その研究成果についてJANOS FODOR Awardを受賞した。
|
