• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2005 年度 実績報告書

混合trunsoredモデルと決定木とを組合せた不完全データの高精密解析法

研究課題

研究課題/領域番号 17510127
研究種目

基盤研究(C)

研究機関九州工業大学

研究代表者

廣瀬 英雄  九州工業大学, 情報工学部, 教授 (60275401)

キーワードmixed trunsored model / decision tree / bump hunting / genetic algorithm / extreme-vale distribution / power law / classification / epidemiology
研究概要

不完全データを扱う新モデルとして提案しているtrunsored modelを利用して、信頼性工学分野をはじめとして医学薬学分野において、寿命推定やその応用について現在までに適用を実施してきた。特に信頼性工学分野では、IEEE Reliability Japan Chapter Awardするなど、その価値がみとめられつつある。本研究課題での17年度の目標は、このtrunsored modelに加えて決定木による分類を加えた精密な推定問題の解析法を構築することである。このため、まず決定木の分類問題への取り組みについて注力するため、具体的な問題を考えながら分類問題に取り組んだ。その際、比較的分類を行いやすいデータとそうでないデータとがあり、分類困難なデータの場合は未開拓分野であることから、この方面に特に注力した。分類困難なデータの場合、対象とする目的変数が他の目的変数よりも密度が濃い場所の探索(bump hunting)法として問題を考えることにより、確率的な方法(遺伝的アルゴリズム)と統計的な方法(極値分布による最大値の推定)とを組み合わせ、決定木を用いてbump huntingを効率的に確実に行う方法を提示した。また、trunsored modelについては、混合、trunsored modelを用いて、故障データと異常状態データとの混在による新解析法を示し、またepidemiology関連としてSARS拡散モデルにも適用した。18年度は、これらの二つ(trunsored modelと決定木)を融合しながら精密な解析法を構築する。

  • 研究成果

    (1件)

すべて 2005

すべて 雑誌論文 (1件)

  • [雑誌論文] Random number generation for the generalized normal distribution using the modified adaptive rejection method2005

    • 著者名/発表者名
      H.Hirose, A.Todoroki
    • 雑誌名

      Information 8・6

      ページ: 829-835

URL: 

公開日: 2007-04-02   更新日: 2016-04-21  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi