進化的距離計量学習への多目的最適化アルゴリズムの適用

抄録

データマイニングや機械学習において距離定義は，クラスタリングや判別学習の結果に多大な影響を与える．著者らは教師ありの大域距離計量学習方式として，大域的クラスタ妥当性指標に基づいた距離計量学習を行う方法を提案している．この方式の利点は，クラスラベルを教師データとして直接用いることができる点と，クラスタ近傍とクラスタ内部の評価を同時に行えることである．本研究では，上記の方式を多目的に拡張して，距離計量行列の多目的最適化を行う．単目的と多目的で距離計量学習を行い，クラスタリング結果を比較したところ，多目的で距離計量学習を行ったほうが良好なクラスタリング結果が得られることを確認した．