特徴量変換のパラメータ及び特徴量変換の処理順を最適化する手法を提案する．特徴量変換のパラメータを最適化する手法としてCNN(Convolutional Neural Network)が提案されている．これは畳み込み積分とプーリング及び活性化関数の処理順を固定し，畳み込み積分の重みを最適化する手法である．これに対し，提案法では畳み込み積分に限らない特徴量変換のパラメータと特徴量変換の処理順の両方を同時に最適化する手法を提案する．提案法ではこの最適化を実現するために，組合せ最適化問題として定式化し，メタヒューリスティクス法により解く．提案法を歩行者識別に適用し，ベンチマークデータセットを用いて実験した結果，提案法が有効であることが確認された．

従来研究では，顧客クラスが変化する推薦システムを表現する確率モデルとしてマルコフ決定過程が採用され，マルコフ決定過程の真のパラメータが既知の仮定のもとで検討されている．本研究では，真のパラメータが未知の仮定のもとで顧客クラスが変化する推薦システムにおける半教師付き学習方法を提案する．学習データは完全データと不完全データによって構成される．提案方法ではEM アルゴリズムを用いる．シミュレーションによって提案方法の有効性を示す．

福岡市の高齢者における地域の災害避難場所の認知について, 実態調査を行い, 独居高齢者への災害支援のありかたについて検討した. 地域包括ケアシステムと介護の啓発を目的とした集会の参加者258 名を分析対象とし, 基本属性, フォーマルな相談窓口の認知と活用の有無, 活用している相談窓口数, 地域の避難場所の認知, 楽しみの有無, 情緒的支援, 自尊感情尺度について調査した. 分析は同居群と独居群の２群の差のカテゴリ変数にはχ2 検定, 連続変数にはMann–Whitney U 検定行い群間差を検定した. その結果, 独居高齢者は同居者がいる高齢者より有意に高齢で, 公の相談窓口を知らず, 相談談窓口数が少なく, 避難場所を知らず, 楽しみを有さず, 情的支援を受けていなかった. 都市部における高齢者への災害支援を充実させるためには, 特に独居高齢者が情的な交流のある生活の中で, 楽しみながら社会活動ができる場づくりを行う必要がある. また, 災害支援の情報提供は，社会活動ができる場で行うことが有益であることが示唆された.

本研究では，健常若年者を対象に二つの障害物を跨ぐ際のtoe-distance およびheel-distance について検討した．対象者は男性6 名と女性17 名の健常若年者とした．対象者の年齢は，21 から22 歳で身長が154 から180cm，歩幅が31 から67cm とした．実験は8m の直線歩行が可能な実験室で行った．障害物の設置条件は，高さ2cm の二つの障害物をDT 条件(C1)，高さ5cmの二つの障害物をDT条件(C2)，高さ10cmの二つの障害物をDT条件(C3)，高さ30cmの二つの障害物をDT条件(C4)，DT条件で最初に高さ2cmの障害物，次に高さ10cm の障害物(C5)，DT 条件で最初に高さ2cm の障害物，次に高さ30cm の障害物(C6)，DT 条件で最初に高さ10cm の障害物，次に高さ2cm の障害物(C7)，DT 条件で最初に高さ30cm の障害物，次に高さ2cm の障害物(C8)の計8 条件とした．障害物の間の距離は，各対象者の2 ステップ長とした．その結果，二つの障害物を跨ぐ動作におけるtoe-distance およびheel-distance の特徴がわかった．したがって，二つ目の障害物がtoe-distance およびheel-distance に影響を及ぼしていることが示された．

従来研究では，推薦システムの新規顧客問題を表現するための確率モデルとしてマルコフ決定過程が採用され，マルコフ決定過程の真のパラメータが既知の仮定のもとで検討されている．本研究では，より現実に近い真のパラメータが未知の仮定のもとで推薦システムの新規顧客問題における半教師付き学習方法を提案する．学習データは完全データと不完全データによって構成される．提案方法ではEM アルゴリズム（expectation-maximization algorithm）を用いる．数例のシミュレーションによって提案方法の有効性を示す．

教育分野でもアカウンタビリティの概念が普及し，客観的な情報に基づく評価の実施と，その結果を踏まえた授業改善が求められている．本研究の目的は，大学院の授業における，学生と教員の授業に関連する活動量に着目した評価手法の提案である．対象科目は工学系大学院の選択科目である．教育研修支援システムKey Words Meeting（KWM）から得られた情報を用いて，授業に関連した学生の活動を「学習量」，教員の活動を「指導量」とした．学習量は3 分野21 項目，指導量は4 分野14 項目を用いて定量化し，前者を「学習量に基づくスコア」，後者を「指導量に基づくスコア」とした．学習量に基づくスコアは平均値± 標準偏差が80.0±8.9 点，指導量に基づくスコアは88.7±1.4 点であった．全教員が授業前後の活動を実施したなか，学生のスコアは授業後に教員から実施されるフィードバックに関わる活動項目に最も差が生じた．学生と教員それぞれの学習と指導の過程における活動量に基づいて，アカウンタビリティに対応可能な評価項目と手法を提案した．本評価手法は学生と教員の授業前後を含めた活動を促し，授業外学習の促進と授業改善へ繋げることが期待できる．