2008 Fiscal Year Annual Research Report
遺伝的ネットワークプログラミングと遺伝的関係プログラミングの融合に関する研究
| Project/Area Number |
20360179
|
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
平澤 宏太郎 Waseda University, 大学院・情報生産システム研究科, 教授 (70253474)
|
|---|
| Keywords | 進化論的計算手法 / 遺伝的アルゴリズム / 遺伝的プログラミング / データマイニング / 相関ルール |
|---|
| Research Abstract |
本年度は、これまでに開発してきた進化論的計算手法である遺伝的ネットワークプログラミング(Genetic Network Programming, GNP)と本研究課題で提案する遺伝的関係アルゴリズム(Genetic Relation Algorithm, GRA)を融合する方式の基礎検討を行った。さらにデータマイニングや株式売買モデルへ応用し、その性能評価を行った。
GNPは、膨大なデータベースの中から統計学的指標を使用して多くの興味深い相関ルールを抽出することが可能であるが、その中からさらに重要な相関ルールを明確にすることが重要である。したがって、状態(ノード)間の相関の強さや距離を考慮したルール抽出が可能なGRAを使用することによって、より重要な相関ルールの抽出が可能になった。
研究方法
主に有向グラフGRAと無向グラフGRAに関する検討を行い、GNPとの融合方式を開発すると共に、データマイニング、株式市場でのポートフォリオ構築へ応用を行った。
有向グラフGRAは、状態間の相関ルール(前件部→後件部)が確信度を持つ場合に有効であり、無向グラフGRAは、状態間に距離を定義できる場合に有効である。
研究成果
GNPとGRAの融合方式をデータマイニングに応用し、分類問題を用いて性能評価を行ったところ、GNPのみを利用したデータマイニングより精度が向上することを明らかにした。
ポートフォリオ構築への応用では、1つの銘柄を1つのノードに対応させ、銘柄間の相関係数を接続の強さと定義することによって、より利益率の高い銘柄選択が可能になる手法を提案した。
また、データベースに存在する属性の中から、ルール抽出に有効な属性を選択・蓄積するAttribute AGcumulation Mechanismを開発し、GNPによる交通流予測に応用し、高い予測精度を実現した。
|
