Directional Neighborhood Rough Setによる新しいデータ要約・学習手法の開発

整理番号	2025a039
種別	女性研究者活躍支援研究-短期研究員
研究計画題目	Directional Neighborhood Rough Setによる新しいデータ要約・学習手法の開発
研究代表者	石井 順恵（京都大学大学院工学研究科・助教）
研究実施期間	2025年8月4日(月) ～ 2025年8月8日(金) 2026年2月16日(月) ～ 2026年2月20日(金)
研究分野のキーワード	ラフ集合理論、リモートセンシング
目的と期待される成果	本研究の目的は、Directional Neighborhood Rough Set (DNRS)の性質を明らかにし、ホワイトボックスかつより高精度な分類手法を開発することである。DNRSは、ラフ集合理論という集合論の一種であり、特に説明変数が量的変数、目的変数が質的変数であるようなデータを対象に分類問題を解く際に適した手法である。ブラックボックスな学習手法が多い中、ラフ集合理論は全てのルールを保持することができるという観点で、ホワイトボックスな特徴を持つ。DNRS自体は2022年に機械学習手法の一つとして提案されたばかりであり、その数学的な性質については明らかになっていない部分も多い。そこで、近似や縮約などのラフ集合理論上で一般に定義される概念について、DNRSではどのような性質が導けるかを数学的に明らかにする。また、明らかになった性質に基づいて、実データへ適用するためのアルゴリズムの開発を行う。例えば、ラフ集合理論における縮約の概念は、次元削減の手法として拡張可能と考えられる。実データにおける有用性を示すために、本研究では衛星画像を用いる。衛星画像は、自然災害時の状況把握や都市化のモニタリング、気候変動の解析など様々なニーズがあり、大規模なデータを扱うことが多いことから、本研究で提案しようとしている次元削減やデータの近似の手法が有効であると考えられる。本研究により期待される成果は、DNRSを用いたホワイトボックスかつ効果的な新しいデータの要約、学習手法である。
組織委員(研究集会) 参加者(短期共同利用)	顧 玉杰（九州大学システム情報科学研究院・准教授）