| 研究概要 |
スパイラル的例外性発見に関しては,昨年度開発した基盤システムをプロジェクトの共通データである慢性肝炎データに適用した.この手法は少数の属性に関する一時点における例外性を発見し,それらのいくつかが医師らの興味を引くことが分かった.もっとも医師らは,主要な属性を総合的にとらえることがあり,属性の時系列的な変化を重視することも分かった.この結果を踏まえ,病院検査データの類型化手法と時系列属性を許容する決定木学習法を提案し,これらは医師らにより有望と認められた.前者は,発見された類型がほぼ全て妥当であり,患者の病態変化把握と例外的患者の発見に有用である.後者は可読性,妥当性,正確性に優れ,例外的な患者の特定にも有用である.その他,データマイニングの重要課題について有効な学習・発見方法を開発して有用性を示すと共に,スパイラル発見の自動調節機構(スケジューリング)にも有効な手法を提案した.
スパイラル的特異ルール発見手法に関しては,特異ルール発見手法を多方面多視点・マルチデータソースからのマイニングへ拡張した.ある発見の目的に応じて,データベースリバースエンジニアリング,グラニューラコンピューティング,知識指向相関性分析などの技術により,マルチデータベース間の相関性を見つける方法を開発した.更に,マルチデータベースに隠れている概念モデルを発見し,RVERモデルにより表現する方式を開発した.さらに,特異ルール発見手法と分類ルール発見手法を連携して,慢性肝炎データを多方面多視点から分析し,提案法の有用性を示した.その他,マルチメディアデータからの特異性指向マイニングを,計算問題を対象とした聴覚・視覚実験において撮影されたfMRI画像や,複数の人物が動画像で撮影されている環境において人物追跡技術により求められた個々の人物軌跡データに関して行い,有望な結果を得た.
|
