|
フランスのE.Diday教授(パリ大学、INRIA併任)を中心として、シンボリック・データ・アナリシスとよぶ新たな分野が急速に立ち上がってきている。ここでは、データを記述する特徴の一般化が一つの方向である。本研究は、量質混在の一般的記述に基づくパターン(シンボリック・パターン)を識別するための一般的なモデルの一つとして、ファジイ・シンボリック・パターン・クラシファイア-の構成法の開発を目的とした。本研究により得られた成果を以下に列記する。
(1)本研究は、カルテシアン・システム・モデルとよぶ報告者独自の数学モデルに基づくが、シンボリック・パターンを記述する特徴値として、数量(区間も認める)や記号(有限集合も認める)ばかりでなく、特徴概念が木構造を成す場合も取り扱えるように、モデル自身の一般化を行った。
(2)数量で記述されるパターンに対して、距離概念を用いてファジイ・クラシファイア-を構成する方法は既に報告されているが、本研究ではシンボリック・パターン間の距離を定義することで、ファジ-・シンボリック・クラシファイア-を構成可能であることを指摘した。
(3)本研究において特に力を注いだのは、概念クラスを記述する領域(数量で表現されるパターンの場合には、座標軸に沿った矩形領域群となる)を生成し、この領域との帰属度関数(メイバーシップ関数に対応)を定義することでファジ-・シンボリック・クラシファイア-を構成する方法の実現である。その結果、概念クラスを記述する領域の生成においては、領域生成に用いる特徴組の選択(特徴選択)と領域自身の記述の一般性を同時に評価する方法が本質的に重要であることを見いだし、2年に一度開催されるデータ解析一般の国際会議IFCS-96の招待論文として発表した。
|
