Analysis of 3-Way Time Series High-Dimension Low-Sample Size Data and Its Applications

三向时间序列高维小样本数据分析及其应用

基本信息

批准号：
20K11701
负责人：
イリチュ美佳
金额：
$ 2.83万
依托单位：
University of Tsukuba
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K11701/
关键词：
Deep Learning Multidimensional Scaling Fuzzy Clustering Scales of Clusters HDLSS Data Support Vector Machine Convex clustering Multidimensional scaling Fuzzy Clustering Models Data Fusion Convex Clustering 統計科学高次計量クラスタリング

项目摘要

本研究は、データが状態や時点に応じて変化するときに、それらのデータを同時に低次元に布置し、その類似構造を把握すると共に、状態変化を視覚的に検知できる新技術を創製することが主目的である。この方法が完成すれば、状態や時点の変化によって変容する大規模かつ複雑なデータの解析結果を短時間で明確に得ることが可能となる。本年度は、昨年度までの研究で得たクラスター尺度の考えを広く発展させ、画像データ、言語データ、医学データ、センサーデータ、経営データ等への応用研究を行うと共に、これらの複雑・大量データの特性に見合った新たな手法を提案した。特に、状態の変化を被検者間の相違性と捉えることで、異なる個体に基づくデータを短時間で処理し、かつノイズに対して頑健なシステムを構築可能とし、個体差を考慮した健康管理システムへ応用する研究についての知見を得た。また、ディープラーニング手法やサポートベクターマシン等の機械学習手法について、従来、問題とされている説明可能性について、本研究で提案のクラスター尺度による次元縮約の考えを自己組織的に組み込むことで、説明可能性を保持した機械学習手法の提案について種々の知見を得た。今後、この技術・知見を基軸として、高次計量を用いた技術に拡張し、超曲面に対する低次元座標布置を得る手法に発展させる計画である。この研究成果は、３編の査読付き国際学術雑誌論文に採録となった。さらに、２件の英文書籍において章の執筆をした。また、４回の国際会議における招待講演、８回の国際会議発表を含む１１回の学会発表を通じて、これらの手法に対する研究成果を発表した。

这项研究的主要目的是创建新技术，这些技术可以根据状态或时间点更改时同时将数据同时放置在较低的维度中，了解数据的相似结构，并在视觉上检测状态的变化。一旦完成此方法，就可以在短时间内获得大规模，复杂数据的明确和清晰的结果，这些数据将根据状态和时间的变化而变化。今年，我们广泛地开发了从研究到去年获得的集群量表的概念，对图像数据，语言数据，医学数据，传感器数据，管理数据等进行了应用研究，并提出了与这些复杂和大量数据的特征相匹配的新方法。特别是，通过将条件变化视为受试者之间的差异，我们已经获得了研究知识，可以在短时间内处理基于不同个体的数据，并且可以考虑到个体差异，以创建一个对噪声强大的系统。此外，我们获得了有关机器学习方法（例如深度学习方法和支持矢量机器）的解释性的各种知识，这些方法一直是过去的问题，并且通过自我组织使用本研究中提出的群集量表的尺寸降低的概念，我们自行组织地融合了使用群集的范围，并在此范围内进行了自我探索，我们遇到了群集的知识，我们陷入了各种知识，这些方法逐渐融合了各种各样的知识，这些方法是各种各样的知识，这些知识在各种知识上逐渐融合了各种各样的知识。可能性。将来，该计划是使用基于此技术和知识的高阶指标扩展到技术，并将其发展为一种用于获得超曲面表面低维坐标布局的方法。这项研究发现是在三份经过同行评审的国际学术期刊文章中收集的。此外，他在两个英文文件中撰写了章节。此外，对这些方法的研究结果是通过11个会议演讲提出的，包括四次国际会议和8次国际会议的邀请演讲。