抄録
空間的な特徴を含む幾何データをはじめとした多次元データに対してクラスタリングを行う場合，データの回転・平行移動による影響を排除したり，次元を圧縮するため，何らかの手法によってデータから特徴（ベクトル）を抽出する必要がある． Geometric Algebra (GA) による特徴抽出は，対象の幾何的な性質を考慮した手法として近年注目されており，空間的な処理を要する場合において，その有効性が確認されている．特にGAを用いたパターン分類では，内積・座標値・外積の3種類の特徴がしばしば用いられており，これらの各特徴を効果的に組み合わせることにより，それぞれを単独に用いるよりも高い効果を得ることが期待できる． そこで本研究では，データからの特徴抽出手法としてGAを，GAによって得られた特徴を効果的に組み合わせる手法として主成分分析を用いることによって，新たなクラスタリング手法を提案し，数値例を通してその有効性を検証する．
