平成26(2014)年度 一般研究2実施報告書
課題番号 |
26−共研−2056 |
分野分類 |
統計数理研究所内分野分類 |
f |
||||||
主要研究分野分類 |
2 |
|||||||||
研究課題名 |
行列分解型多変量データ解析法に関する研究 |
|||||||||
フリガナ 代表者氏名 |
ヤドヒサ ヒロシ 宿久 洋 |
ローマ字 |
Yadohisa Hiroshi |
|||||||
所属機関 |
同志社大学 |
|||||||||
所属部局 |
文化情報学部 |
|||||||||
職 名 |
教授 |
|||||||||
配分経費 |
研究費 |
40千円 |
旅 費 |
235千円 |
研究参加者数 |
12 人 |
研究目的と成果(経過)の概要 |
本研究では,大規模複雑なデータに対して,はデータが持っている構造を利用して,データ行列を分解することにより,記述的に特徴を抽出することを考える. 具体的には,実現値とモデルとの誤差に分布を仮定せず,データ行列を低階数近似できるような行列に分解する手法であり,以下では,行列分解型多変量データ 解析法とよぶことにする.一般的に利用されている多変量解析法の多くは,行列分解型の多変量解析法として表現することができる.例えば,主成分分析法で は,データ行列を主成分得点の行列と主成分負荷量の行列とに分解し,対象の特徴把握を行う.このような形で表現される行列分解型の多変量データ解析法で は,データ行列からなる目的関数の最小化によってパラメータを推定するといった共通点がある.すでに提案されている行列分解型多変量データ解析法には,共 通点が数多く存在し,個々の手法を体系的に捉えることが可能であると考えられる. |
当該研究に関する情報源(論文発表、学会発表、プレプリント、ホームページ等) |
[1] Mitsuhiro, M. and Yadohisa, H. (2014): Reduced k-means clustering with MCA in a low-dimensional space, to appear in Computational Statistics.(to appear) |
研究会を開催した場合は、テーマ・日時・場所・参加者数を記入してください。 |
テーマ:複雑データの解析法に関する研究会 |
研究参加者一覧 |
|
氏名 |
所属機関 |
足立 浩平 |
大阪大学 |
有重 文平 |
同志社大学 |
島村 徹平 |
名古屋大学 |
高木 育史 |
同志社大学 |
谷岡 健資 |
同志社大学 |
田村 義保 |
統計数理研究所 |
土田 潤 |
同志社大学 |
寺田 吉壱 |
独立行政法人 情報通信研究機構 |
水田 正弘 |
北海道大学 |
南 弘征 |
北海道大学 |
山本 倫生 |
京都大学大学院 |