| 研究課題/領域番号 |
17K12753
|
|---|
| 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 | 大阪府立大学 |
|---|
研究代表者 |
生方 誠希 大阪府立大学, 工学(系)研究科(研究院), 准教授 (10755698)
|
|---|
| 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 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2019年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2018年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2017年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
|---|
| キーワード | ソフトコンピューティング / ファジィ理論 / ラフ集合理論 / クラスタリング / ファジィクラスタリング / ラフクラスタリング / 共クラスタリング / ソフトクラスタリング / k-means / Rough C-means / Rough set C-means / Rough membership C-means / k-means法 / ラフC-means法 / ラフ集合C-means法 / ラフメンバシップC-means法 / データ分析 |
|---|
| 研究成果の概要 |
本研究では，データ自動分類技術であるクラスタリングの性能向上を目標とし，ファジィ理論やラフ集合理論等のソフトコンピューティングアプローチを取り入れることで，データに内在する曖昧性・不確実性に対処し，柔軟かつ信頼性の高いクラスタリング手法を開発した．ラフクラスタリングの理論的基礎を補強した上で，データの粒状性を考慮した新しい手法を提案し，さらにそれらを改良した手法を発展させた．また，ファジィクラスタリングや共クラスタリングの改良も種々行った．
|
| 研究成果の学術的意義や社会的意義 |
高度情報化社会において，データ自動分類技術であるクラスタリングの需要が高まっている．データに内在する不確実性を取り扱うために，ラフ集合理論の観点を導入したラフクラスタリングが有効である．本研究では，主にラフクラスタリングの理論的基礎を補強し，理論的体系を確立することで，今後のさらなる発展のための基礎を築いた．また，データの粒状性を考慮した新しい手法を開発することで，柔軟かつ信頼性の高いクラスタリングが可能となった．提案手法によりデータからより有益な情報・知識を抽出し，社会で有効活用されることが期待される．
|
