• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

高次元小標本におけるカーネル主成分分析とその応用

研究課題

研究課題/領域番号 19J10175
研究種目

特別研究員奨励費

配分区分補助金
応募区分国内
審査区分 小区分12040:応用数学および統計数学関連
研究機関筑波大学

研究代表者

中山 優吾  筑波大学, 数理物質科学研究科, 特別研究員(DC2)

研究期間 (年度) 2019-04-25 – 2021-03-31
研究課題ステータス 採択後辞退 (2020年度)
配分額 *注記
1,700千円 (直接経費: 1,700千円)
2020年度: 800千円 (直接経費: 800千円)
2019年度: 900千円 (直接経費: 900千円)
キーワード高次元データ / 統計数学 / 高次元漸近理論 / 機械学習 / カーネル法
研究開始時の研究の概要

本研究は、機械学習でよく知られる非線形な次元圧縮手法であるカーネル主成分分析の高次元における漸近的性質を与えることで、高次元データの非線形構造を明らかにすることを目的とする。研究内容は次の2つである。(1) カーネル主成分スコアによるクラスタリング。(2)カーネル主成分分析の漸近的性質と次元圧縮の応用。いずれの研究においても、カーネル関数に対する漸近的性質を与え、カーネル関数に含まれるパラメータの事前決定方法を提案することを目指す。

研究実績の概要

カーネル主成分分析は非線形性を抽出するための次元圧縮手法として広く知られている。本研究では高次元データの非線形構造を調査するために、高次元小標本におけるカーネル主成分分析を調査した。高次元小標本におけるカーネル法は明らかにされていない性質が多々あり、本研究はそれらの性質を与える先駆的結果である。本研究ではカーネル主成分分析の応用法としてクラスタリングについて調査した。カーネル主成分スコアの漸近的性質を与えることで2つのクラスタを完全に分離するための正則条件を導出し、クラスタリング手法を提案した。特に、線形カーネルとしばしば使われるガウシアンカーネルを使った場合の正則条件を比較することで非線形性に関する理論的な比較を与えた。クラスタリングの性能はガウシアンカーネルに含まれる尺度パラメータに強く依存し,選択次第でクラスタリングの精度は悪くなってしまう。そこで、尺度パラメータの事前選択法も提案した。計算コストが膨大な高次元データ解析において、この提案手法は理論的かつ高速な選択法である。ここまでの結果を、クラスタ数が3個あるカーネル関数族に対する一般化を行なった。本研究で用いた解析方法はカーネル法を用いる他の手法への応用も期待できる。本研究の結果を与える上で重要となる線形性やカーネル条件に関する研究も2本の査読あり論文の掲載が決定している。筑波大学の青嶋教授と矢田准教授との共同研究はABRAHAM WALD PRIZE in Sequential Analysis 2019で共同受賞している。

現在までの達成度 (段落)

翌年度、交付申請を辞退するため、記入しない。

今後の研究の推進方策

翌年度、交付申請を辞退するため、記入しない。

報告書

(1件)
  • 2019 実績報告書
  • 研究成果

    (7件)

すべて 2019

すべて 雑誌論文 (2件) (うち査読あり 2件、 オープンアクセス 1件) 学会発表 (5件) (うち国際学会 1件)

  • [雑誌論文] Robust support vector machine for high-dimensional imbalanced data2019

    • 著者名/発表者名
      Nakayama Yugo
    • 雑誌名

      Communications in Statistics - Simulation and Computation

      巻: - 号: 5 ページ: 1-17

    • DOI

      10.1080/03610918.2019.1586922

    • 関連する報告書
      2019 実績報告書
    • 査読あり
  • [雑誌論文] Bias-corrected support vector machine with Gaussian kernel in high-dimension, low-sample-size settings2019

    • 著者名/発表者名
      Nakayama Yugo、Yata Kazuyoshi、Aoshima Makoto
    • 雑誌名

      Annals of the Institute of Statistical Mathematics

      巻: - 号: 5 ページ: 1-30

    • DOI

      10.1007/s10463-019-00727-1

    • 関連する報告書
      2019 実績報告書
    • 査読あり / オープンアクセス
  • [学会発表] Asymptotic properties of kernel PCA with Gaussian kernel for high-dimensional data2019

    • 著者名/発表者名
      中山優吾, 矢田和善, 青嶋誠
    • 学会等名
      日本学術振興会科学研究費による研究集会「統計学と機械学習の数理と展開」
    • 関連する報告書
      2019 実績報告書
  • [学会発表] Support vector machine and optimal choice of parameters for high-dimensional imbalanced data2019

    • 著者名/発表者名
      中山優吾
    • 学会等名
      日本学術振興会科学研究費による研究集会「多様な分野における統計科学に関する諸問題」
    • 関連する報告書
      2019 実績報告書
  • [学会発表] カーネル主成分分析に基づく高次元データのクラスタリングとチューニング2019

    • 著者名/発表者名
      中山優吾, 矢田和善, 青嶋誠
    • 学会等名
      2019年度統計関連学会連合大会
    • 関連する報告書
      2019 実績報告書
  • [学会発表] Robust support vector machine in the HDLSS context2019

    • 著者名/発表者名
      中山優吾
    • 学会等名
      応用統計学会2019年度年会
    • 関連する報告書
      2019 実績報告書
  • [学会発表] Bias corrected SVM with the Gaussian kernel in the HDLSS context2019

    • 著者名/発表者名
      Yugo Nakayama, Kazuyoshi Yata, Makoto Aoshima
    • 学会等名
      The 3rd International Conference on Econometrics and Statistics
    • 関連する報告書
      2019 実績報告書
    • 国際学会

URL: 

公開日: 2019-05-29   更新日: 2024-03-26  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi