| 研究成果の概要 |
離散空間における確率モデルは,確率であることを要請するために正規化項の計算が必須であるが, 高次元離散空間においては正規化項の計算はしばしば指数オーダーの計算量が必要となる． 本研究では確率モデルではなく, 正規化されていない非確率モデル(拡張モデルと呼ぶ)を用い, 経験局所化， 同次ダイバージェンスと組み合わせることで， 正規化項の計算をすることなくクラメール・ラオの下限を達成する推定量を構成することが可能であることを示した.
また， 一般化ダイバージェンスを用いることで多値判別手法を扱うための統一的な枠組みや， ノイズに対して頑健な非負値行列因子分解法を構築した．
|
