Alternative c-Means基準を用いたロバストな局所的主成分分析による多次元データの２次元視覚化
スポンサーリンク
概要
- 論文の詳細を見る
視覚化は，データの持つ特徴を直感的に理解することを可能にするため，知識発見やデータマイニングへの有用なアプローチである．線形ファジィクラスタリング手法の一つであるFuzzy c-Varieties (FCV) 法は，局所的な構造を捉えながら主成分分析を施す局所的な主成分分析とみなされており，主成分を用いて多次元データの局所的な視覚化が可能である．しかし，FCV法は最小２乗基準で定式化されているため，ノイズの影響を受けやすい．そこで本論文では，FCV法に対してロバストM推定に基づく距離関数を導入するAlternative c-Means 基準を適用して，ノイズにロバストなFCV法を提案する．提案法であるロバストな局所的主成分分析を多次元の実データに適用して局所的に人間が知覚可能な２次元散布図への視覚化を行い，その信頼性の調査，および，実際に得られた視覚化からの知識発見を試みる．
- Japan Society for Fuzzy Theory and Intelligent Informaticsの論文
Japan Society for Fuzzy Theory and Intelligent Informatics | 論文
- 矛盾データを有する橋梁点検データからのラフ集合によるルール抽出方法
- 蜜蜂の蜜源選択における閾値調整機能を模した最適化アルゴリズム
- 確率計画法による在庫融通問題
- 会話における参与役割志向態度に基づく順番交替分析:-人の「話したい」「聞きたい」態度が次話者を決定する仕組み-
- Probing the Implementation of Project Management Office by Using DEMATEL with a Hybrid MCDM Model