Proposition of Kernelized Evolutionary Distance Metric Learning for Semi-supervised Clustering

摘要

本論文は,一部の観測事例に対するラベル情報が利用可能な半教師ありクラス夕リングを対象とし,著者らのグル一プが過去に提案した進化的距離計算を用いたクラスタリング手法に力一ネル関数にょる高次元空間ヘのデ一タの写像を組み合わせることで,従来手法が線形分離可能なデ一タしか扱えなかったものを線形分離不可能なデ一夕も適切にクラスタリングできるょうに拡張した手法を提案している.評価実験では,線形分離不可能な人工デ一夕,おょび実デ一夕それぞれに対して,提案手法にょるクラス夕リング精度が従来手法ょりも統計的に有意に高いことが示されている.対象デ一タは人工デ一夕,実デ一夕ともに1セットずっと少ないものの,手法自体の理論的枠組みはしっかりとしており,関連研究との比較も含めて論文の完成度も高い.また,他の力一ネル関数を利用した今後の発展性も期待でき,分類問題ヘの適用も含めて広範囲に応用可能な技術であることも高く評価できる.加えて,第一著者は博士後期課程の学生であり,若手の研究を奨励するという意味でも受賞候補としてふさわしいと考える.