内在的構造を持つ大規模高次元データ解析の理論と方法
【研究分野】統計科学
【研究キーワード】
統計数学 / データ解析 / 高次元 / アルゴリズム / 統計的学習理論 / 高次元データ / 機械学習
【研究成果の概要】
高次元特有の問題としてハブ現象を研究し，その理論的な理解とハブ解消法の提案を行った．また，ツリーデータの解析や曲がった距離を用いたデータ解析など，ユークリッドベクトルとは異なるデータを扱う方法に関して研究を行った．さらに，高次元の密度関数を行う方法として，カーネル法に基づく指数分布族を提案し，その推定法を提案した．
【研究の社会的意義】
ビッグデータ時代になり高次元で複雑なデータを扱う必要性が高まったが，そのようなデータの性質や解析法の関して，理論的な知見や有効な方法が成果として得られた．今後，さまざまな分野に現れる高次元データを扱う際にこれらの成果が貢献できると考える．
【研究代表者】
【研究分担者】 |
| 鈴木 大慈 | 東京大学 | 大学院情報理工学系研究科 | 准教授 | (Kakenデータベース) |
| 小林 景 | 慶應義塾大学 | 理工学部(矢上) | 准教授 | (Kakenデータベース) |
|
【研究種目】基盤研究(B)
【研究期間】2014-04-01 - 2019-03-31
【配分額】12,350千円 (直接経費: 9,500千円、間接経費: 2,850千円)