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。

这项研究旨在创建一种新技术，当数据随状态或时间发生变化时，能够在较低维度同时定位相似数据，掌握相似结构，并直观地检测状态变化是主要目的。一旦这种方法完善，就可以在短时间内清晰地获得随状态和时间变化而变化的大规模、复杂数据的分析结果。今年，我们将广泛发展去年通过研究获得的集群规模的想法，对图像数据、语言数据、医疗数据、传感器数据、管理数据等进行应用研究，并探讨其特征针对这些复杂且大量的数据提出了一种新的方法。特别是，通过将病情变化视为受试者之间的差异，可以在短时间内处理基于不同个体的数据，并构建对噪声具有鲁棒性的系统，从而允许考虑个体差异的健康管理。我获得了适用于系统的研究知识。此外，关于深度学习方法和支持向量机等机器学习方法的可解释性，这在传统上一直是一个问题，通过自组织地结合本研究中提出的使用聚类度量进行降维的思想，我们获得了各种关于维持可解释性的机器学习方法提案的发现。未来，我们计划以这项技术和知识为核心，将其扩展到使用高阶度量的技术，并将其发展为获取超曲面低维坐标配置的方法。这项研究的结果被三篇同行评审的国际学术期刊文章接受。此外，他还在两本英文书中撰写了章节。此外，他还通过4次国际会议特邀报告和11次会议报告（其中8次国际会议报告）展示了这些方法的研究成果。