|
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。
|
