| 研究概要 |
平成9〜10年度における研究主題の一つは、識別問題(classification problems)における特徴選択法(feature selection algorithm)の確立であった。効果的な特徴選択法においては、識別に貢献する重要な特徴群の発見と、これらの特徴に基づいた各類別概念(パターンクラス)の記述の一般性が、同時並行的に評価できなければならない。この目的のために、パターンクラス間の構造を捉えるクラス間相互近隣グラフ(Interclass Mutual Neighborhood Graph,IMNG)とよぶ新たなグラフを定義し、このグラフの性質を利用して、上記同時並行的評価を可能とする方法群を見いだした。
もう一つの研究の主題は、多次元のシンボリック・データに埋もれた「巨視的観点から幾何学的に薄い構造」を発見可能な、特徴選択法の確立であった。平成9〜10年度の研究で、「多次元のシンボリック・データが関数構造に従うならば、そのデータは幾何学的に薄い構造を有する」という、直感的に明らかなしかも単純な原理に基づいて、真に有効な特徴組を選択的に探し出す方法を提案した。この方法は、ニューラルネットワークによる関数同定などを行う前に適用可能であり、極めて実用性の高い方法である。実際、平成10年4月Luxembourgで開催された国際会議KESDA-98において一部の成果を発表したが、データ・マイニングのエンジンとして利用できることから注目された。今後、これらの方法をさらに充実・発展させる予定である。
|
