鎖構造抽出に有効な特徴選択法の高速化

摘要

The detection of meaningful geometrical structures in multidimensional data is of major interest in data analysis and data mining. Previously, we investigated a method to detect the locally monotonic chain structures of objects embedded in multidimensional symbolic data. In this method, we defined the nearest neighborhood, Chain Likelihood{CL) and Local Monotonicity(LM) based on the Cartesian system model(CSM) which is the mathematical model to manipulate symbolic data. In this paper, we explain the behavior of nearest neighborhoods, and by using this, we accelerate the feature selection method for detecting the locally monotonic chain structures.%データ解析やデータマイニングにおいて，データ内に潜む幾何学的構造の同定は重要であり，主要なテーマである．以前我々は，線形構造や2次関数のような関数構造を表すことができる構造として鎖構造を，シンボリックデータ扱うことのできるカルテシアン・システム・モデル（CSM）上に定義した．また，この鎖構造抽出に有効な指標として，最近隣集合における局所単調度（LM），鎖構造度（CL）を定義し，鎖構造抽出に有効な特徴の選択を提案した．本論文では，最近隣集合の性質を基に鎖構造抽出に有効な特徴選択法の高速化を提案する．