ファジィクラスタリングによる混合データベースからの知識発見に関する研究

基于模糊聚类的混合数据库知识发现研究

基本信息

批准号：
17700240
负责人：
本多克宏
金额：
$ 2.18万
依托单位：
Osaka Prefecture University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Young Scientists (B)
财政年份：
2005
资助国家：
日本
起止时间：
2005 至 2007
项目状态：
已结题

项目摘要

本研究は,「質的データの数量化」と「数量化されたデータのファジイクラスタリング」に相当する分析手法を開発することで,混合データベースから潜在的な知識を発見することを目的としている.平成17・18年度には,多変量解析手法で用いる最適変換との融合により,尺度混在データのためのFCMクラスタリング法を提案し,国勢調査データや小売店のPOSデータからの知識発見を通して新たな分析手法の有効性を示した.平成19年度に得られた成果は以下のとおりである.1.FCM法のプロトタイプを線形多様体に拡張した線形ファジイクラスタリング法は,局所的な主成分分析法の一種とみなされ,データマイニング手法としても有効である.線形ファジイクラスタリング法に名義変量の最適変換の機構を融合する2種類のアプローチを定式化し,尺度混在データのための局所的な主成分分析法を提案した.データの分割を重視して単一の量的データ空間を構築するアプローチと部分集合ごとの最適変換アプローチを併用することで,従来の統計的手法では知ることができなかった潜在的かつ"面白い"知識が発見できることを明らかにした.2.ファジイ分割の考えをスイッチング回帰に応用したファジィc回帰に,最適変換に基づくカテゴリーの分割機構を組み込むことで,複数の回帰モデルの各々を特徴づけるカテゴリーを見出す分析手法を提案した.相互の関連を捉えづらい複数のモデルの特徴をカテゴリー得点により直感的に表現することで,知識発見手法としての利便性を向上させた.3.ユーザのアイテムに対する評価値からなるデータ行列中の欠測値を予測する問題ととらえられる協調フィルタリングに,名義変量の最適変換を組み込んだ線形ファジイクラスタリング法を応用することで,カテゴリー情報を考慮した推薦システムの構築法を提案した.

这项研究的目的是通过开发一种对应于“定性数据的量化”和“量化数据的模糊聚类”的分析方法来发现混合数据库中的潜在知识。在2005年和2005年，我们提出了FCM聚类混合尺度数据的方法，将其与多元分析方法中使用的最优变换相结合，并通过从人口普查数据和零售商店 POS 数据中发现知识来开发新知识的分析方法的可能性。 2007年获得的结果如下： 1.线性模糊聚类方法是FCM方法原型对线性流形的扩展，是一种局部主成分分析方法，作为数据挖掘也是有效的。我们制定了两种将线性模糊聚类方法与名义变量优化转换机制相结合的方法，并提出了混合尺度数据的局部主成分分析方法。通过将侧重于构建单个定量数据空间的方法与每个子集的最佳转换方法相结合，可以发现使用传统统计方法无法获得的潜在且“有趣”的知识。 2. 一种发现的分析方法。通过将基于最优变换的类别划分机制融入到模糊c回归中来表征各个多元回归模型的类别，将模糊划分的思想应用到了切换回归中。通过使用类别分数直观地表达难以理解相互关系的多个模型的特征，我们提高了作为知识发现方法的可用性3.由项目的用户评价值组成的数据我们提出了一种构建推荐的方法。通过应用线性模糊聚类方法来考虑分类信息的系统，该方法将名义变量的最优变换结合到协同过滤中，这可以被视为预测矩阵中缺失值的问题。