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.

这项研究旨在通过开发一种与“定性数据量化”和“量化数据的模糊聚类”相对应的分析方法来发现混合数据库的潜在知识。在2005年和2006年，我们通过融合与多变量分析方法中使用的最佳转换一起提出了一种用于混合比例数据的FCM聚类方法，并通过普查数据和零售商POS数据的知识发现来证明新分析方法的有效性。 2007年获得的结果如下：1。将FCM方法的原型扩展到线性歧管的线性模糊聚类方法被认为是一种局部主体成分分析方法，并且作为数据挖掘方法也有效。我们制定了两种方法，它们结合了名义变量最佳转化与线性模糊聚类方法的机制，并提出了一种用于混合比例数据的局部主成分分析方法。通过将构建单个定量数据空间构建单个定量数据空间的方法与每个子集的方法相结合，已经揭示了潜在的和“有趣的”知识，这些知识是用常规统计方法无法知道的。2。我们提出了一种分析方法，该方法通过将基于最佳转换的类别机理纳入模糊C回归中的类别机制来找到表征多个回归模型的类别，该方法将模糊分裂的概念应用于切换回归，以及一种表征每个多重回归模型的分析方法。通过直观地表达多种模型的特征，这些模型难以使用分类分数来掌握相互关系，我们将便利性作为知识发现方法提高了3。我们应用了一种线性模糊聚类方法，该方法结合了名义变量的最佳转换为协作过滤，可以看作是预测用户项目评估值的数据矩阵中缺失值的问题，并提出了一种构建建议系统的建议方法，该方法介绍了帐户类别信息。