| 研究概要 |
近年の情報ネットワークやセンシング技術の発展により,社会的インフラから逐次出力される重要情報が大規模次元時系列となっている.しかし,従来の統計やデータマイニングで対象とし得る時系列変数は数十次元止まりであった.本研究では,時間軸方向を含めた部分共起分析により,一般的計算機を用いて数万〜数百万次元の時系列からの知識発掘やモデル化を行う基本原理の確立を行った.また,ICタグにより得られる代表的大規模次元時系列である商業物流・人間移動ユビキタス追跡データによる実適用性検証を行った.
具体的には,従来の統計やデータマイニングの時系列データ解析では,複数時刻のベクトルやトランザクションの関係を決定的または確率的関数Fでモデル化したのに対して,本研究では部分ベクトルや部分トランザクション間の関係Rkを用い,それらを多数総合するE(R1, R2,…, RN)により全体関係を表す方法を提案した.また大規模次元データから効率的かつ完全に部分的関係を導くため,部分共起分析を時間方向に拡張適用した.これにより,一般的計算機を用いて数万〜数百万次元時系列の解析が可能となった.
更に重要社会インフラであるICチップによる商業用物流・人間移動のユビキタス追跡分析・監視システムを取り上げ,出力される膨大な製品や人間に起こる事象や時間,位置などの大規模次元時系列データへ提案手法を適用し,良好なモデリング性能,知識発掘性能を確認した.
本研究により,雑誌論文を含む16件の発表成果と著書1件,特許出願1件の成果を得た.
|
