研究課題/領域番号 |
17K00301
|
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 |
知能情報学
|
研究機関 | 静岡大学 (2018-2020) 山梨大学 (2017) |
研究代表者 |
山本 泰生 静岡大学, 情報学部, 准教授 (30550793)
|
研究期間 (年度) |
2017-04-01 – 2021-03-31
|
研究課題ステータス |
完了 (2020年度)
|
配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2019年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
2018年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
2017年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
|
キーワード | ストリームデータ / オンラインアルゴリズム / 系列予測 / 頻出パターンマイニング / 頻出系列パターンマイニング / 非可逆圧縮 / 異常・変化検知 |
研究成果の概要 |
本研究では,複数のエッジノードから随時到着するストリームデータを受理し,その頻出集合系列を高速かつ省メモリに抽出する手法の開発ならびにその応用課題に取り組んだ.集合系列を扱う問題は,解候補の組み合わせ爆発やリアルタイム処理など,離散構造パターンを扱う問題に共通する難しさと制約を有する基礎問題である.これに対し,オンライン近似圧縮と呼ぶ技術を導入することにより,アルゴリズムのスケーラビリティを改善させた.また提案法によって抽出された圧縮パターンを用いてイベント予測を行う応用課題に取り組んだ.
|
研究成果の学術的意義や社会的意義 |
クラウドサービスやIoTの発展に伴い,多くのストリームデータが生み出されている.ストリームデータのインパクトはリアルタイム分析にあるが,他方,大量のデータを高速・省メモリで処理する必要がある.本研究で扱う問題は,組み合わせ爆発やリアルタイム性などオンライン処理を実現するストリームデータマイニングに共通する技術的制約や難しさを含んでおり重要な基礎問題に位置付けられる.本研究を通して,適用困難だった大規模データへのデータマイニング法の可用性が高められ、安価な計算資源でビッグデータの相関分析や時系列解析を行えるようになっている.
|