抄録
自己組織化マップ(SOM: Self-Organizing Map)は様々な問題に応用されている代表的なニューラルネットワークである。SOMは競合学習を用いて高次元の入力信号を低次元のマップに写像し、近傍学習により入力信号の隣接関係を学習する。
SOMを分類に応用する場合、初期化、処理効率、位相情報の歪み等の問題が関係する。従来の研究では初期化や処理効率の問題を改善する為、木構造をSOMのネットワーク構造に適用する手法が提案されている。
本研究では最適なクラスタ数を発見し分類する為、SOMを用いた適応型木構造分類手法を提案する。提案手法では二分木構造のノード毎に独立したSOMを配置し、親ノードに対応するSOMの結果を基に子ノードを生成することで二分木構造は再帰的に求められる。その結果SOMの競合学習を用いて最適なクラスタ数にデータを分類し、木構造を用いて事柄間の関係を説明する規則を自動で獲得する。
