抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
近年,データをいくつかの部分空間に分類する部分空間クラスタリング(SC)が広く利用されている.その中でも,意味のある順序構造をもつシーケンスデータに特化し,その制約を組み込んだ手法が,性能の高さから注目を集めており,その代表例としてOSC(Ordered Subspace Clustering)がある.ただしOSCは,計算量の二次関数的な増大のため,スケーラビリティに限界がある.ここで,データが随時新規に到着し,部分空間の構造が一定でないストリームデータについて考える.ストリーム中の構造の変化に厳密に対応できる手法はこれまでほとんど考案されてこなかったが,StreamSSC(Stream Sparse Subspace Clustering)は,部分空間を代表する集合を抽出し適宜更新することで,前述の課題に対応した.またその過程で,計算量の大幅な削減にも成功している.本稿では,時間情報の制約を考慮することでシーケンスデータに対応することが可能なStreamSSCの拡張手法について検討する.実際には,ストリームデータの多くがシーケンスデータの特徴を持つことを念頭に置いて,ストリームデータの枠組みの中で,OSCによるクラスタリングを考えることで,スケーラビリティの増大を目指す.数値実験から,提案手法が既存のOSCより計算時間の点で優っていることを示す.(著者抄録)