分野横断的な調査によるクラスタリング技術の体系化：新手法開発への展開

点击翻译按钮获取中文摘要

本研究では、代表的データマイニング手法の一つであるクラスタリング技術をテーマに３年間の研究に取り組んでいる。クラスタリングは、教師データを用いずにデータを自動分類できることから、幅広い分野で用いられており、これまでに様々なクラスタリング技術が開発されているが、それらの技術手法の体系化は十分には進んでいない。そこで本研究では、クラスタリング技術全体の体系化により、クラスタリング技術全体の利便性の向上、新手法の開発への展開を期待し、クラスタリング技術間の関係の解明とその応用などを進めている。本年度は、まずロバストクラスタリングの一種として定式化されるHough変換に着目し、画像中の対称線を検出する方法を提案し、顔の対称線の検出と傾きの補正を行った。次に、クラスタリングの一定式化の制約条件を厳しくして得られる輸送問題を取り上げ、カラー画像のパステルカラー化に応用した。続いて、画像の行と列を個別にクラスタリングして、縦横比やサイズが異なるピクセルで構成されるピクセルアートを生成した。また、装飾ピクセルアートやチャック・クローズ風ピクセルアートの生成にも展開した。そのほか、データをそれらの類似度に基づいて一列に並べる処理についても検討した。一列に並んだデータの系列が得られれば、それを分割することによって階層的クラスタリングが可能になり、さまざまな応用が考えられる。その一例として、順序統計量をカラー画像などの高次元データに拡張することを検討している。