| 研究課題/領域番号 |
24K20748
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分60030:統計科学関連
|
|---|
| 研究機関 | 東京理科大学 |
|---|
研究代表者 |
江頭 健斗 東京理科大学, 創域理工学部情報計算科学科, 助教 (20979869)
|
|---|
| 研究期間 (年度) |
2024-04-01 – 2027-03-31
|
| 研究課題ステータス |
交付 (2024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)
2026年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2025年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2024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 | 高次元データ / クラスタリング / 非線形 / カーネル法 / 高次元漸近理論 |
|---|
| 研究開始時の研究の概要 |
高次元小標本データは複雑な構造を有すことから，理論基盤構築の意味も含め，線形特徴量に基づく方法論が主に発展してきた．一方で，カーネル法は，カーネル関数等の選択上，線形特徴量に基づいた方法論に導入することで，非線形特徴量の活用も可能とする．
本研究では，対象の方法論をクラスタリング手法に絞り，線形特徴量に基づいた方法論の理論的性質とカーネル法導入が有効かの関係性を明示的に表現する．その得た理論に基づき，既存カーネル関数のパラメータ決定法の提案と新しいカーネル関数の開発を行う．これにより多種多様な特徴を持つ高次元データの解析を必要とする諸分野への貢献が期待できる．
|
