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

知識ベースの融合によるクラスタリングの高度化～特に不確実データの解析について～

通过合并知识库进行复杂的聚类〜特别是关于不确定数据的分析〜

基本信息

批准号：
09J01098
负责人：
濱砂幸裕
金额：
$ 0.9万
依托单位：
University of Tsukuba
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2009
资助国家：
日本
起止时间：
2009 至 2010
项目状态：
已结题

项目摘要

情報通信技術の著しい発達により,以前とは比較にならない大規模・複雑なデータが蓄積されており,そのようなデータを対象として,人間のように柔軟な処理を経て,有用な情報を抽出する必然性は高まる一方である.そのようなデータ解析手法の一つにクラスタリングがある.クラスタリングは,大規模・複雑なデータから,人間には抽出困難な構造を抽出するための重要な手法であり,自然言語・画像認識など様々な分野に応用されている.通常,クラスタリングで対象となるデータはパターン空間上の点として表される.しかしながら,データが誤差や欠損といった固有の不確実性を伴う場合,データは区間や幅として表されるため,既存の手法で扱うことは困難である.そこで,本研究課題では,不確実性に対して人間のように柔軟な処理を行える方法論の構築を目標とし,データに伴う不確実性を許容範囲付きデータとして扱うクラスタリング手法の高度化に取り組んだ.本研究課題の成果として,許容範囲付きデータに対するクラスタリング手法,回帰分析の構築,クラスタワイズ許容を用いたクラスタリング手法の確立が成された.また,クラスタリングにより得られる分類結果を評価する妥当性基準の不確実データへの拡張を試み,許容範囲付きデータに対する妥当性基準を新たに構築した.それらに並行して,教師あり学習の一手法である回帰分析の不確実データへの拡張を行った.これらの研究により得られた成果から,許容の概念を用いて不確実データを扱うデータ解析の方法論が確立されたと考えている.特に,不確実データに対するクラスタリング手法では,データの分類からその評価までを許容の概念を用いた統一的な枠組みで議論することを可能とした点は従来のデータ解析手法と大きく異なっている点である.さらに,本研究課題の発展であるクラスタワイズ許容の半教師付きクラスタリング手法への援用など,様々な発展性を示すことができ,本研究課題の目的は十分に達成することができたと考えている.

Information and communication technology (ICT) has developed rapidly in the past, and it has become increasingly necessary for us to extract useful information. The method of analysis of the solution of the problem is a simple one. The natural language, the image recognition, and the important techniques for extracting difficult structures in the human world are used in the field of division. Usually, the image of the image is the same as the space of the image. In the case of inherent inaccuracies, errors and losses, existing methods are difficult to solve. Therefore, this research topic is aimed at the construction of methodology for dealing with uncertainty and flexibility in human beings. The results of this research project are as follows: 1. The establishment of the method of analyzing and analyzing the content of the sample; 2. A new criterion for evaluating the suitability of the classification results was established. In addition, teachers should learn a method of analyzing the errors in the process of learning. The research results were obtained, and the concept of tolerance was used to establish the methodology of analysis. In particular, it is not accurate to classify and evaluate the concept of content, and it is possible to analyze the content of content. In addition, the development of this research project is very successful.

项目成果

期刊论文数量（0）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Fuzzy c-Regression Model for Data with Tolerance

带容差数据的模糊c回归模型

DOI：
发表时间：
2009
期刊：
The 6th International Conference on Modeling Decisions for Artificial Intelligence (CD-ROM)
影响因子：
0
作者：
Kouta Kurihara;Yasunori Endo;Yukihiro Hamasuna;Sadaaki Miyamoto
通讯作者：
Sadaaki Miyamoto

許容範囲付きデータに対するファジイc-回帰モデル

具有公差的数据的模糊 C 回归模型

DOI：
发表时间：
2009
期刊：
影响因子：
0
作者：
栗原宏太;遠藤靖典;濱砂幸裕;宮本定明
通讯作者：
宮本定明

ペナルティベクトルのL2及びL1正則化を用いた不確実データに対する陽写像カーネルファジィc-平均法について

关于使用惩罚向量的 L2 和 L1 正则化处理不确定数据的显式核模糊 C 均值方法

DOI：
发表时间：
2010
期刊：
影响因子：
0
作者：
高山勲;遠藤靖典;濱砂幸裕;宮本定明
通讯作者：
宮本定明

Two types Tolerant Hard c-Means Clustering

两种类型的容忍硬 c 均值聚类

DOI：
发表时间：
2009
期刊：
2009 International Symposium on Nonlinear Theory and its Applications (CD-ROM)
影响因子：
0
作者：
Yukihiro Hamasuna;Yasunori Endo
通讯作者：
Yasunori Endo

Fuzzy c-Means Clustering for Data with Clusterwise Tolerance Based on L2- and L1-Regularization

基于 L2 和 L1 正则化的具有聚类容差的数据模糊 c 均值聚类