| 研究実績の概要 |
近年の複雑な現象を内包する高次元多層時空間データから, 有益な情報を効率的に抽出するための統計的モデリングの理論・応用研究に取り組む. 高次元多層の時空間現象を確率構造を含めて数理的に時空間の関数として記述する[A. データの数理的記述], 関数集合として記述されたデータを分析して非線形多変量解析・機械学習の手法開発を行う[B. 分析手法開発], 開発した解析技術を実データへ適用する[C. 実践研究], の３項目から成る. この３項目が互いに作用しあいながら発展してゆくのが本研究の特徴である.
Aについては，研究代表者のこれまでの研究を発展させ, 時空間の経過に伴い観測される一つの個体を,多層構造をデータの共分散作用素のKarhunen-Loeve展開により変量効果として非線形回帰モデルで捉えて関数化する計画であったが，
当該年度から参画した本研究課題の領域会議でいくつかの重要な新たな視点を得たことで，当初想定していた多層構造の記述法に対して，予定以外のアプローチをとろうと考え，改めて先行研究の調査から開始した．Bについては，研究代表者が一般的な時空間データに対して開発してきた関数データ解析手法を発展させ，特に応募者らが開発中の関数凸クラスタリングをCox比例ハザードモデルに組み込んだ生存時間解析モデルを検討し，Cにおいて，検討した新しいモデルを大規模長期コホートデータへ適用する準備を行った．
|
| 今後の研究の推進方策 |
これまでのAのパートに対する調査を更に進めて，予定通りにデータの共分散作用素のKarhunen-Loeve展開により変量効果として非線形回帰モデルで捉えて関数化するのか，新たなアプローチをとるのかを今後の早いうちに選択し，B,Cのパートにつなげる．このAでの選択に際して，B,Cのパートからのフィードバックを十分に考慮することで，A,B,Cが三位一体となった研究という本研究課題の特徴を追求する．
|
