| 研究課題/領域番号 |
26330033
|
|---|
| 研究機関 | 筑波大学 |
|---|
研究代表者 |
イリチュ 美佳(佐藤美佳) 筑波大学, システム情報系, 教授 (60269214)
|
|---|
| 研究分担者 |
青嶋 誠 筑波大学, 数理物質系, 教授 (90246679)
清水 信夫 統計数理研究所, データ科学研究系, 助教 (00332130)
|
|---|
| 研究期間 (年度) |
2014-04-01 – 2017-03-31
|
| キーワード | データマイニング / ファジィクラスタリング / 多次元尺度構成法 |
|---|
| 研究実績の概要 |
多次元データの尺度構成に困難があったビックデータの尺度化を可能とし、従来の統計的解析法をそのまま適用することを目的とした多次元クラスター尺度構成法を提案した。多次元のクラスターについて尺度構成を行う手法は未だ開発されていない。また、個体の分類と得られたクラスターの尺度構成を同時に行う方法も未だ開発されていない。本研究では、これらを目的として尺度構成する方法を提案しようとしたものである。この手法の適用例として、モービルラーニングのログデータを対象とした応用を示した。この研究に対し、米国、フィラデルフィアで開催されたCAS2014国際会議で1st Runner up Theoretical Paper Awardを受賞した。また、同会議で、クラスターをデータの尺度として構成する方法論を包括的に論じ、Clustering Innovations in Data Scienceと題して基調講演を行った。これらの研究成果について、パリ大学（Department of Databases and Machine Learning, LIP6, University of Paris (UPMC)）で招待講演を行った。
さらに、高次元大規模データの解析法として、高次元データの多群判別法や混合変数の大規模データに対するクラスタリング手法等の提案も行った。
|
| 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
多次元クラスター構成法を提案するという事が、本年度の主な研究目的であったが、基本となる方法を提案したため、おおむね順調に進展しているといえる。
|
| 今後の研究の推進方策 |
本年度は、本研究課題の基本的方法を提案したが、分類と尺度化の同時解析には至っていない。そこで、同時に解析可能な方法に発展させることが今後の方策である。また、ビックデータに対する応用を進めることが必要である。
|
