不確実性情報を考慮したデータの分類手法に関する研究

点击翻译按钮获取中文摘要

これまで提案してきた不確定性をもつデータの表現ではそれらのデータ間の非類似性は、非対称構造と動的変動性をもつことより、平成13年度は、特に不確定性データのこれらの構造を抽出することを目的として研究を進めてきた。特に、これらのデータが動的に変動する場合、その非対称構造がどのように変化するのかを抽出するための方法として動的ファジィクラスタリングを用いてモデルを構築した。さらに、この構造変化をファジィクラスタリングのクラスター構造変化に置き換え、その変化を、具体的に評価するクラスター負荷を導入し、検討した。結果として、これまで、数量的に示されなかった変化量をより直接的に説明でき、新たな進展をみせた。これらの結果は、妥当性評価基準の問題とも考えられるが、提案された方法は、間接的評価基準を導入したものではなく、直接的評価を行うものである。さらに、これらの構造変化は、射影空間における構造変化で説明できるものか、等質性の基準から評価を行った。これまで、データを等質性の基準に基づき要約する方法は、等質性分析等で論じられているが、本研究では、個体の要因に対する帰属度の構造をデータ構造の要約とみなし、要因に対する負荷の重みから特徴空間をより負荷の大きいものに限ることにより、ノイズを除去したより明確な特徴空間で性質の抽出を行った。数値実験では、データの特徴をこれまでとは異なる観点から抽出している。これらの結果については、いくつか国際会議、国内学会等で発表し、査読つきプロシーディング等に掲載された。