感性工学データ解析のための自己組織化ニューラルネットワークを用いた階層的クラスタリング手法の開発  [in Japanese] Analyzing Method for Kansei Engineering Data by Hierarchical Clustering Using Self-Organizing Neural Networks  [in Japanese]

Search this Article

Author(s)

Abstract

感性工学では評価対象について質問紙を用いて, 被験者による評価実験を行う. この評価実験で得られるのは数十の言葉による多次元データである. 重回帰ベースの多変量解析では大量のサンプル数が必要となり, 現実の実験・分析ともに難しい点があった. 本論文では, 次元数に対して比較的少数しか現実には得ることのできない感性評価データを解析することを目的として, 自己組織化ニューラルネットワークの学習則を改良し, これを組み合わせることによって階層的クラスタ分析を行う方法であるarboARTを考案した. この方法では一般的な階層的クラスタリング手法に比べると, より少ない計算量で評価対象を感性評定値に従って階層的に分類することができる. また同時に, クラスタのプロトタイプがら, 感性と評価対象との関係を得ることができる. 実際の感性評価実験データを分析した結果, その分類能力は一般的な階層的クラスタリング法と同等であり, 他の多変量解析手法の結果とも共通性があった. 手法の汎用性を検討するために, 標準テストデータを用いて誤分類数と誤差を計測した結果, 良好な結果が得られた.

Journal

  • The Transactions of the Institute of Electronics,Information and Communication Engineers. A

    The Transactions of the Institute of Electronics,Information and Communication Engineers. A 00082(00001), 179-189, 1999-01

    The Institute of Electronics, Information and Communication Engineers

References:  21

Cited by:  6

Codes

  • NII Article ID (NAID)
    110003313268
  • NII NACSIS-CAT ID (NCID)
    AN10013345
  • Text Lang
    JPN
  • Article Type
    Journal Article
  • ISSN
    09135707
  • NDL Article ID
    4642480
  • NDL Source Classification
    ZN33(科学技術--電気工学・電気機械工業--電子工学・電気通信)
  • NDL Call No.
    Z16-605
  • Data Source
    CJP  CJPref  NDL  NII-ELS 
Page Top