| 研究課題/領域番号 |
22K12171
|
|---|
| 研究機関 | 広島市立大学 |
|---|
研究代表者 |
岩田 一貴 広島市立大学, 情報科学研究科, 准教授 (20405492)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2026-03-31
|
| キーワード | 形状クラスタリング / プロクルステス解析 / OSS |
|---|
| 研究実績の概要 |
形状を判別するときは、形状の平行移動・回転・等方的拡大縮小の幾何変換に対して、判別結果が不変となることが望ましい。そこで、OSS（Ordinary Procrustes Sum of Squares）を用いて、そのように形状を判別できるように従来のクラスタリング手法を拡張した。ベクトルデータのユークリッド距離に基づいたk平均（k-means）法、ファジイクラスタリング（fuzzy c-means）法、スペクトラルクラスタリング（spectral clustering）法、平均値シフト（mean shift）法、および凸クラスタリング（convex clustering）法について、OSSに基づいたそれぞれの手法のアルゴリズムを導出した。
線画、アメリカンフットボールの陣形、および野球の投球の球種に関する実データを用いて、導出した方法の判別性能を計算機実験により比較した。実験結果より、OSSはいずれの手法に適用しても高い判別性能を示すことがわかった。また、OSSに基づいた凸クラスタリング法がそのうちで最も優れていた。判別性能を除いた特性に関して言うと、凸クラスタリング法は事前にクラスタ数を指定する必要がないこと、パラメータの効率的な調整方法が経験的にわかっていることが利点である。なお、平均値シフト法も同様に事前にクラスタ数を指定する必要がないという特性を持つが、パラメータの調整が非常に困難だった。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
OSSに基づいたクラスタリング手法のアルゴリズムの導出とそれらの性能比較実験を終えたから。実験結果は学会で発表済みである。
|
| 今後の研究の推進方策 |
これまでの成果を雑誌論文に投稿することから始める。投稿後は、距離計量学習アルゴリズムへの応用のために、距離分布を用いて形状の大域的な特徴を表す研究に取り組む。距離分布とは、ある領域内のすべての二点間の距離の全体分布のことである。
|
| 次年度使用額が生じた理由 |
新型コロナウイルスに係る入出国の規制を避ける目的で海外出張を控えたことが主な理由である。次年度の国内・海外出張と論文の英文校正の費用として使用する予定である。
|
