| 研究成果の概要 |
本研究では, 大規模なクラスタリングにおける汎用的な計算量削減方法の開発とその理論的性質の解明, 及び, 柔軟なグループ構造を階層的に捉えることが可能なconvex clusteringに対する高速なアルゴリズムの開発を行なった. 本研究で開発した手法を用いることで, 100万を超えるデータ点に対して, ノートPCを用いた場合でも1分以内に複雑なクラスタリング法を実行することが可能となり, 大規模かつ複雑なデータに対しても高速に背後のクラスタ構造を推定することができるようになった.
|
| 研究成果の学術的意義や社会的意義 |
近年のデータの大規模化・複雑化に伴い, データからグループ構造を発見するためのクラスタリング法の重要性が増している. しかし, これまで大規模データに対しては, 単純なクラスタ構造しか捉えられないクラスタリング法しか適用ができなかった. 本研究成果により, クラスタリング法を必要とする任意の分野において, 短時間かつ容易に, 大規模データから複雑なクラスタ構造を推定することが可能となった. 本研究を応用することで, 様々な応用分野において, 新たな知見の発見などが期待できる.
|
