予測発見戦略研究センター センター長（兼務）
予測発見戦略研究センター 遺伝子多様性解析グループ（兼務）
Home Page : http://www.ism.ac.jp/~eguchi/
| 1977 年 3 月 | 大阪大学理学部数学科卒業 |
| 1979 年 3 月 | 大阪大学大学院基礎工学研究科数理系修士課程修了 |
| 1983 年 12月 | 大阪大学大学院基礎工学研究科数理系博士課程中退 |
| 1984 年 1 月 | 広島大学理学部・助手 |
| 1988 年 4 月 | 島根大学理学部・講師 1990 年 6 月 同・助教授 |
| 1995 年 4 月 | 統計数理研究所統計基礎研究系基礎概念研究部門・助教授 |
| 1996 年 4 月 | 統計数理研究所統計基礎研究系応用確率論研究部門・教授 |
| 2005 年 4 月 | 統計数理研究所数理・推論研究系教授、予測発見戦略研究センター（兼務） |
選択バイアス: 仮定されたモデルから観察によってもたらされる全ての乖離を表すモデルの近傍を情報幾何を使って構成し，その近傍の下での統計方法の性能について明らかにする．これによって最悪評価によって信頼水準・信頼区間の補正を求める．
ロバスト統計: Uダイバージェンスのクラスにおいて連想される情報幾何を研究する．その結果を使ってUダイバージェンス最小化による方法の性能を明らかにして，主成分，独立成分，回帰，判別，分類などの問題に適用して，特にロバストな方法を構築する．
ブースティング: 様々なロス関数を包含するクラスを考察して，ロス関数の振る舞いを情報幾何からの研究をする．その結果から目的に適合させたパターン認識法を構築する．
遺伝子多様性解析: SNP・マイクロアレイ・プロテオームから得られるゲノム多様性・遺伝子発現・タンパク発現データについて判別解析，関連解析ためにロバスト統計，ブースティングなどで得られた成果を利用して新たな方法を開発する．
ファイナンスデータ解析: 通常の統計方法を信用リスクのデータに適用するときに起こりうる困難な点の本質を探り，実際のファイナンスデータを適切に解析できる統計方法を開発する．
(2) H. Wakaki, S. Eguchi and Y. Fujikoshi (1990): A class of tests for general covariance structure. J. Multivariate Analysis, 32, 313-325.
(3) M. Matuura and S. Eguchi (1990): Estimation of gene frequency and test for Hardy-Weinberg equilibrium in the HLA system, Environmental Health Perspectives, 87, 149-155.
(4) S. Eguchi and M. Matuura (1990): Testing the Hardy-Weinberg equilibrium in the HLA system, Biometrics, 46, 415-426.
(5) S. Eguchi (1992): Geometry of minimum contrast, Hiroshima Math. J., 22, 631-647.
(6) T. Amisaki and S. Eguchi (1995): Pharmacokinetic parameter estimations by minimum relative entropy method, J. Pharmacokinetics and Biopharmaceutics, 23, 479-494.
(7) I. Higuchi and S. Eguchi (1998): The influence function of principal component analysis by self-organizing rule, Neural Computation, 10, 1435-1444.
(8) S. Eguchi and J. Copas (1998): A class of local likelihood methods and near-parametric asymptotics, J. Royal Statist. Soc. B, 60, 709-724.
(9) T. Amisaki and S. Eguchi (1999): A comparison of methods for estimating individual pharmacokinetic parameters, J. Pharmacokinetics and Biopharmaceutics, 27, 103-121.
(10) H. Kamiya and S. Eguchi (2001): A class of robust principal component vectors, J. Multivariate Analysis, 77, 239-269.
(11) J. Copas and S. Eguchi (2001): Local sensitivity approximation for selectivity bias, J. Royal Statistical Society B, 63, 871-895.
(12) S. Eguchi and J. Copas (2002): A class of logistic-type discriminant functions, Biometrika, 89, 1-22.
(13) M. Minami and S. Eguchi (2002): Robust blind source separation by beta-divergence, Neural Computation, 14, 1859-1886.
(14) H. Fujisawa, S. Eguchi, M. Ushijima, S. Miyata, Y. Miki, T. Muto and M. Matsuura (2004): Genotyping of single nucleotide polymorphism using model-based clustering, Bioinformatics, 20, 718-726.
(15) T. Takenouchi and S. Eguchi (2004): Robustifying AdaBoost by adding the naive error rate, Neural Computation, 16, 767-787.
(16) N. Murata, T. Takenouchi, T. Kanamori and S. Eguchi (2004): Information geometry of U-Boost and Bregman divergence, Neural Computation, 16, 1437-1481.
(17) I. Higuchi and S. Eguchi (2004): Robust principal component analysis with adaptive selection for tuning parameters, J. Machine Learning Research, 5, 453-471.
(18) M. Henmi and S. Eguchi (2004): A paradox concerning nuisance parameters and projected estimating functions, Biometrika, 91, 929-941.
(19) M. Matuura and S. Eguchi (2005): Modeling late entry bias in survival analysis, Biometrics, 61, 559-566.
(20) J. Copas and S. Eguchi (2005): Local model uncertainty and incomplete data bias (with discussion), J. Royal Statistical Society B, 67, 459-512.
(21) R. Nishii and S. Eguchi (2005): Supervised image classification by contextual AdaBoost based on posteriors in neighborhoods, IEEE Tran. on Geoscience and Remote Sensing, 43, 2547-2554.
(22) M. Kawakita, M. Minami, S. Eguchi and C. E. Lennert-Cody (2005): An introduction to the predictive technique AdaBoost with a comparison to generalized additive models, Fisheries Research, 76, 328-343.
(23) M.N.H. Mollah, M. Minami and S. Eguchi (2006): Exploring latent structure of mixture ICA models by the minimum beta-divergence method, Neural Computation, 18, 166-190.
(24) T. Fushiki, H. Fujisawaand S. Eguchi (2006): Identification of biomarkers from mass spectrometry data using a "common" peak approach, BMC Bioinformatics, 7:358.
(25) S. Eguchi and J. Copas (2006): Interpreting Kullback-Leibler divergence with the Neyman-Pearson lemma, J. Multivariate Analysis, 97, 2034-2040.
(26) R. Nishii and S. Eguchi (2006): Image classification based on Markov random field models with Jeffreys divergence, J. Multivariate Analysis, 97, 1997-2008.
(27) M. Henmi, J. Copas and S. Eguchi (2007): Confidence intervals and P-values for meta analysis with publication bias, Biometrics, 63, 475-482.
(28) T. Kanamori, T. Takenouchi, S. Eguchi and N. Murata (2007): Robust Loss Functions for Boosting, Neural Computation, 19, 2183-2244.
(29) M. Henmi, R. Yoshida and S. Eguchi (2007): Importance sampling via the estimated sampler, Biometrika, 94, 985-991.
(30) T. Takenouchi, S. Eguchi, N. Murata and T. Kanamori (2008): Robust boosting algorithm against mislabeling in multi-class problems. Neural Computation 20, 6, 1596-1630.
(31) H. Fujisawa and S. Eguchi. Robust parameter estimation with a small bias against heavy contamination. J. Multivariate Analysis, 99, 9 (2008) 2053-2081.
(32) M. Kawakita and S. Eguchi. Boosting method for local learning in statistical pattern recognition. Neural Computation, 20, 11 (2008) 2792-2838.
(33) H. Fujisawa, Y. Horiuchi, Y. Harushima, T. Takada, S. Eguchi, T. Mochizuki, T. Sakaguchi, T. Shiroishi, and N. Kurata. SNEP: Simultaneous detection of nucleotide and expression polymorphisms using Affymetrix GeneChip. BMC Bioinformatics 10 (2009) 131.
(34) S-Y. Huang, Y-R. Yeh and S. Eguchi. Robust kernel principal component analysis. Neural Computation, 21, 11 (2009) 3179-3213.
(35) S. Eguchi. and S. Kato. Entropy and divergence associated with power function and the statistical application.Entropy 12, 2 (2010) 262-274.
(36) N. H. Mollah, N. Sultana, M. Minami and S. Eguchi. Robust extraction of local structures by the minimum beta-divergence method. Neural Networks 23, 2 (2010) 226-238.
(37) J. Copas and S. Eguchi. Likelihood for statistically equivalent models. J. Royal Statistical Society B, 72, 2 (2010) 193-217.
(38) O. Komori, S. Eguchi. A boosting method for maximizing the partial area under the ROC curve. BMC Bioinformatics (2010) 11:314.