| 研究課題/領域番号 |
16K16128
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
ソフトコンピューティング
|
|---|
| 研究機関 | 近畿大学 |
|---|
研究代表者 |
濱砂 幸裕 近畿大学, 理工学部, 講師 (70610559)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
2018年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2017年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2016年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
|---|
| キーワード | クラスタリング / グラフクラスタリング / 機械学習 / ソフトコンピューティング / 構造的ゆらぎ / クラスタ数推定 / 妥当性基準 / Modularity / 知識融合 / ゆらぎモデル / データのゆらぎ |
|---|
| 研究成果の概要 |
本研究課題では、構造的ゆらぎを伴うグラフデータマイニングを通じて、大規模・不確実なデータを柔軟に処理する新たなデータ解析の方法論の構築に取り組んだ。はじめに、グラフデータに伴う構造的ゆらぎを扱う数理モデルを検討した。次に、構築したモデルに基づくクラスタリング手法の新規開発を行った。その後、構造的ゆらぎに対する知識ベースを構築した。数値実験を通じて、分類性能・処理速度・扱えるデータの規模などについて、既存手法との比較評価を行い、開発手法の包括的発展に取り組んだ。
|
| 研究成果の学術的意義や社会的意義 |
本研究課題では、大規模・不確実データのマイニングを目的に、グラフデータに伴う構造的ゆらぎに対する知識のモデル化に取り組んだ。また、構築したモデルとクラスタリング手法の融合に取り組み、新たなクラスタリング手法を開発した。さらに、理論的検討および数値実験等を通じて得られた知見を基に、開発手法と方法論の包括的発展に取り組んだ。これらの成果により、大規模グラフデータに隠された因果関係や相互作用を明らかにするデータマイニングの実現に向けた方法論の基盤を築いた。
|
