大規模部分空間クラスタリングのための凸最適化スキームの構築とその理論保証
【研究キーワード】
機械学習 / 凸最適化 / クラスタリング / 部分空間クラスタリング / 統計的機械学習
【研究成果の概要】
本研究の目的は大規模部分空間クラスタリングのための凸最適化スキームの構築とその理論保証である。
本研究ではS5Cと呼ばれる大規模部分空間クラスタリングのためのアルゴリズムを開発した。従来はデータ数の二乗以上の計算量が必要である学習を、本提案アルゴリズ
ムではデータ数に比例する計算量で達成できることを実験的にも理論的にも示した。本研究成果は機械学習の最も重要な国際会議の一つであるThirty-Third Conference on Neural Information Processing Systemsに採択され、バンクーバーにて発表を行った。
【研究の社会的意義】
部分空間クラスタリングは理論保証が難しいクラスタリング手法において理論的に美しい結果が知られているという意味で有意義な手法である。本研究ではこの部分空間クラスタリングが大規模データにも適用可能であることを示し、実験的にも有効性を検証した点に学術的な意義がある。部分空間クラスタリングに関する研究が機械学習の主要な国際会議に採択されたことで、機械学習の発展には実用性だけではなく理論的な美しさも重要であるという理念の補強の一助となったことにも社会的な意義があると考えられる。
【研究代表者】
【研究種目】若手研究
【研究期間】2019-04-01 - 2022-03-31
【配分額】4,160千円 (直接経費: 3,200千円、間接経費: 960千円)