2002年度森泰吉郎記念研究振興基金 研究報告書
政策・メディア研究科 修士課程2年
楠本宏樹 (80131514)
- 自己組織化を用いた可視化アルゴリズムによる農地分析
研究概要
本研究は農地分析に用いる自己組織化(Self-Organizing Map)アルゴリズムの
計算コストを削減するアルゴリズムを提案し、実用化に向けて大きく前進させた。
自己組織化アルゴリズムはKohonenによって開発されたニューラルネットワークの教師無し学習の手法の1つで、
オリジナルはO(M^2)の計算量が必要であった。
これまで計算量O(M log M)の木構造SOMや、O(M)のポインタを使ったSOMなど
様々な計算量削減のための改良がなされてきたが、
提案手法はO(log_2 M)にまで減らすことに成功した。
今後は提案手法応用して衛星画像等による農地の分光画像(各ピクセルが多次元データとなる)を解析し土壌分析の
研究を進める。
- 提案手法
提案手法はSOMを以下の点で改良した。
- 勝者ベクトルの探索: 初めは大雑把に探し、徐々に細かく探していく。
- 学習空間: 初めはサイズを小さくしておき、徐々に大きくしていく。
- 学習: 従来は近傍学習を行なっていたが、提案手法は近傍学習を必要としない。(勝者ベクトルのみの学習)
- 実験
- 入力データ
12個のクラスターをもつ20×120ピクセルの画像データ。1ピクセルが1データとなる。
- 計算時間
Size of Map | The basic SOM | The proposed algorithm |
9 | 9.8 | 1.5 |
17 | 34.7 | 1.8 |
33 | 132.5 | 2.1 |
65 | 509.4 | 2.4 |
129 | 2149.7 | 2.7 |
提案手法はオーダーに通り短時間で計算することができている。
- マッピング結果
「提案手法による学習後のSOM」と「各クラスタがマッピングされる範囲」
- 実験結果のまとめ
提案手法はlog_2 Mの計算時間でマッピングすることができた。
また、マッピングの性能は、局所的にも大局的にも最適なものであったといえる。
- 今後の課題
今後は提案手法応用して衛星画像等による農地の分光画像(各ピクセルが多次元データとなる)を解析し土壌分析の
研究を進める。
現在は数百枚の分光画像を入力データとして提案手法による特徴抽出を行なっているところである。
画像枚数が多くなる(つまり入力ベクトルの次元数が多くなる)と様々な問題点が出てくるので更なる工夫が必要である。
email:
kusu@sfc.keio.ac.jp