相互接続に基づいたクラスタリング手法の開発

• 研究課題/領域番号: 16K00165
• 研究種目: 基盤研究(C)
• 配分区分: 基金
• 応募区分: 一般
• 研究分野: マルチメディア・データベース
• 研究機関: 東京都立産業技術高等専門学校
• 研究代表者: 小早川 倫広 東京都立産業技術高等専門学校, ものづくり工学科, 教授 (00334582)
• 研究期間 (年度): 2016-10-21 – 2020-03-31
• 研究課題ステータス: 完了 (2019年度)
• 配分額: 4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円); 2018年度: 910千円 (直接経費: 700千円、間接経費: 210千円); 2017年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円); 2016年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
• キーワード: クラスタリング / 相互隣接グラフ / 相互ランキング / 類似度 / 非計量 / 検索 / ビックデータ分析・活用 / クラスタリング手法

研究成果の概要

データ群を分類する場合、各データから特徴量ベクトルを算出し、算出した特徴ベクトル間の距離が用いられる。しかし、データから特徴ベクトルを抽出できるとは限らない。この場合、距離を使用することはできない。この場合、距離の使用を前提としないクラスタリングアルゴリズムが必須となる。本研究では、相互に類似しているデータ間では、検索を実施した場合、相互に検索結果が上位になるという事象を、相互隣接グラフ（MNN-Graph）表現し、相互隣接グラフのクリーク発見するというものである。提案アルゴリズムは、閾値のチューニング・速度等に問題があるが、クラスタリング過程が説明可能であることが分かった。

研究成果の学術的意義や社会的意義

Society5.0を牽引するコア技術として、データ分析技術が必須となる。現在、AI等を活用したデータ分析技術が盛んに開発されている。しかし、データ分析における特徴量の選定により、分析すらできないことがある。本研究は、データ同士が相互に類似しているというシンプルな特徴を用いたクラスタリングアルゴリズムであり、クラスタリング生成の構造がシンプルである。したがって、データ間の類似の尺度が距離の公理を満たす・満たさないに関わらず適用可能である。精度・速度等が不足していることはあるが、汎用なクラスタリングアルゴリズムとして位置づけることができる。