研究課題
統計的機械学習アプローチに基づく最尤推定の枠組みで、多種データを統合利活用する研究を課題として取り組み、その成果を論文にまとめ、論文誌および国内外の学会にて発表を行った。特に高く評価できるのは、データカテゴリの時系列的変化を明確に示し、それらを複数カテゴリ間で比較することを目的とした、出現順位を用いた統計量によるデータ変換手法である。この変換手法は、人工データを用いた異常検知の側面から、トレンド分析の定量的評価法として有効であることを示し、現実データを用いた実験においても、スケールの大小やバースト・周期性の有無に左右されることなく、各カテゴリの長期的な傾向変化と、カテゴリ間の勢力関係の変化を定量的に示すことができた。よって、この手法は勢力変化可視化法と有意な勢力変化をするカテゴリ検出法という二つの機能を兼ね備えているため、時系列データの新たな視覚化手法として大いに期待できる状況にある。さらに、これまで提案してきた多項分布型レジームスイッチング検出手法をさらに改良し、事前に設定するパラメータを一切無くした全自動アルゴリズムを提案した。この新たなレジームスイッチング手法は、単純な時系列データのみならず、周期的な特性を持つ時系列データを周期ごとで細分化したデータに対しても有効に働くことが大規模データによる実験によって分かったため、多様な時系列データに対する分析手法として有用性が期待される。
29年度が最終年度であるため、記入しない。
すべて 2018 2017
すべて 雑誌論文 (4件) (うち査読あり 4件) 学会発表 (6件) (うち国際学会 1件)
IEICE Transactions on Information and Systems
巻: E101.D(1) ページ: 142-151
10.1587/transinf.2017EDP7077
情報処理学会論文誌 数理モデル化と応用（TOM）
巻: 11(1) ページ: 45-52
巻: E100.D(10) ページ: 2526-2536
10.1587/transinf.2017EDP7100
情報処理学会論文誌データベース（TOD）
巻: 10(3) ページ: 58-67
