权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

多変量パターン解析に関する研究

多元模式分析研究

基本信息

批准号：
10780275
负责人：
椿美智子
金额：
$ 1.22万
依托单位：
The University of Electro-Communications
依托单位国家：
日本
项目类别：
Grant-in-Aid for Encouragement of Young Scientists (A)
财政年份：
1998
资助国家：
日本
起止时间：
1998 至 1999
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-10780275/
关键词：
共変量のあるクラスター分析多変量構造クラスター対応関係パターン分類相関構造グループ内相関混合分布誤判別多変量パターン共度量クラスター分析多変量原因系多変量結果系多変量設計特性多変量感覚特性正準相関分析

项目摘要

製造工程における多変量原因系と多変量結果系との関連、製品の多変量設計特性(物理、化学的特性)とそれを官能評価した多変量感覚特性との関連を解析するために、正準相関分析を行うことがよくある。正準相関分析では、結果系と原因系の変数群それぞれの線形結合特性(正準変量)を、その相関が最大となるように求める。しかし、現実の応用場面では、結果系変数に関しては単純な線形結合性ではなく、総合的な多変量パターンに興味があり、そのパターンが原因系変数のどの要因でよく説明できるかを知りたい場合も多い。本研究では、この問題を扱う統計的方法を提案し、性質を詳細に検討した。本研究の方法によれば、原因系変数と結果系変数との間には、クラスター毎に独自の関数関係のあるデータ構造がある場合、すなわち、結果系変数の空間でデータがいくつかのクラスターに分けられるように分布しており、その各クラスターが対応する原因系変数(共変量)の多変量空間においてもクラスターをなすという、混合的データ構造が把握できる。これにより、従来の多変量解析手法では把握できなかった構造の解析が可能となった。そして、提案した方法により解析可能なデータ構造をモデル化し、相関構造の構成を示した。さらに、クラスター位置関係、グループ内標準偏差、グループ内相関、各グループ内のデータ数を変化させ、それに伴い、誤判別がどのように変化するかを詳細に検討した。また、実際の自動車ボディー塗装条件の設定の問題に応用し、複雑な現実の場面でも十分に有効であることを確認した。

Production engineering multi-dimensional causes are multi-dimensional results, multi-dimensional design characteristics (physical and chemical characteristics), functional evaluation, multi-dimensional sensory characteristics, and correlation analysis. Correlative analysis results in linear association characteristics of the cause system, and the maximum correlation. In the present situation, the number of results is related to the number of pure linear combinations, and the number of combinations is related to the number of reasons for the number of reasons. This study discusses in detail the methodology and nature of statistical problems. The method of this study includes the following aspects: the number of causes, the number of results, the number of intervals, the number of independent relationships, the number of data structures, the number of results, the number of spaces, the number of causes, the number of factors, and the number of factors. Mixed data structure to grasp. This kind of multi-dimensional analysis method makes it possible to grasp the analysis of structure. The proposed method is used to analyze the possible structure and to illustrate the composition of the relevant structure. Detailed analysis of the relationship between class positions, standard deviations within class positions, correlation within class positions, number of classes within class positions, correlation between class positions, and error detection. The problem of setting the painting conditions of the automatic vehicle is very serious.