|
本研究課題では巨大事例集合に関する探索的解析基盤の構築に取り組み，行動センシングデータを具体的な対象として事例集合の非均質性・高速性に由来する共通の問題を克服する成果を挙げた．まず，データ隣接値間の相関が強い系列構造化での判別モデルの学習のためプリミティブパターンを用いた表現とインデクシングによって性能を改善し，実世界データ実験で学習したモデルの可読性と判別性能を同時に向上した．また，
非均質な時間的スケールのパターンを持つデータに対し，平面切断法による多スケール特徴空間での最適化，異常検出のためのクラスタを用いたメタ特徴生成法を提案し，判別時間の短縮や多スケールでの異常検出を可能にした．
|
