研究概要 |
本研究の意義は、高次元Aggregation Operatorを開発し、クラスタリングモデルへ適用して実用化を図ることである。また、より汎用性を高めるため、一般化したAggregation Operatorを提案することである。従来、統計・確率の分野で提案されてきた確率的測度空間に基づくノルムは、数学的見地で研究がなされてきたが、より一般的に表現したAggregation Operatorについては、ヒルベルト空間上の測度が未だ開発されていない。そこで、高次ヒルベルト空間におけるAggregation Operatorを開発しようとするものである。 本年度は、開発した高次ヒルベルト空間におけるAggregation Operatorの実データへの応用を行った。また、一般化Aggregation Operatorを実データに適用し、その動作確認を行った。さらに、一般化Aggregation Operatorの性質を精査した。また、次の新たな方法論への拡張を行った。(1)Aggregation Operatorを自己組織的に学習させる自己組織化加法的クラスタリングモデルへ適用する。(2)高次元空間のメトリックを考慮した新たな主成分分析に提案しAggregation Operatorを適用する。実データに当てはめることにより、評価を行い、随時、公表を行う。(3)区間評価データに対する高次元Aggregation Operatorを提案手法に当てはめることにより、高次元のデータの分類構造をも考慮できるように拡張する。これらの成果を、論文誌に公表し、さらに、国内外の国際会議、学会で発表した。また、国際会議の基調講演で発表した。論文・基調講演について、下記の賞を受賞した。1st Runner up Award(theoretical development in computational intelligence),St.Louis(USA),2010.Outstanding Contribution Award,Seventh International Symposium on Management Engineehng,(keynote speech),2010
|