大阪大学 人間科学研究科 足立研究室

最近の研究開発

2012年以降の研究開発:開発手法は定式化で,理論研究は一文で要約

複数手法に共通する記号

Xn個体×p変数の列中心化されたデータ行列

Sp変数×p変数の標本共分散行列

Fn個体×m因子の得点行列, F’F = nI (単位行列)

Ap変数×m因子の負荷行列, m ≤ min(n, p)

Un個体×p変数の得点行列, U’U = nI, FU= O (零行列)

Ψp変数×p変数の対角行列

因子分析

  1. 行列因子分析の解法: min F, A, U, Ψ ||XFA’-UΨ||2A, Ψの解を,Sだけから求めるアルゴリズム (Adachi, 2012).
  2. EMアルゴリズム: 不適解を与えないことを証明 (Adachi, 2013).
  3. スパース因子分析: min F, A, U, Ψ||XFA’-UΨ||2 s.t. Aの零要素数=定数. ペナルティを使わないのが特徴 (Adachi & Trendaifilov 2015).
  4. 一般化最小二乗法: Majorizationを使ったmin A, Ψ tr{(SAA’-Ψ2)Ψ2}2 (Adachi, 2015).
  5. カテゴリカル因子分析: min F, A, U, Ψ, Q Σj||GjQjFAjUjΨj||2 s.t. QjGjGjQj=nI, GkQkは列中心化.ここで,Gkn個体×Kjカテゴリーのメンバーシップデータ行列 (Makino, 2015).
  6. クラスタリング因子分析: min F, A, Ψ nlog|Ψ2|+ tr(XGCA’)Ψ2(XGCA’)’ s.t. F=GC. ここで,Gn個体×g群の未知メンバーシップ行列 (Uno, Satomura, & Adachi, 2016).

主成分分析

  1. 一般化同時プロクラステス分析: min N, F, A Σk(n1||FkNkF||2+p1||AkNk1A||2).
    ここで,XkFkAk‘=FkNkNk1Ak‘ (Adachi, 2015).
  2. スパース主成分分析: min F, A ||XFA’||2 over F, A s.t. Aの零要素数=定数 (Adachi & Trendaifilov 2016).
  3. スパースTucker2: min F, A ||ZFH(IM’)||2 s.t. Hの零要素数=定数. ここで,Zは三相データのスライスを横に並べた行列 (Ikemoto & Adachi, 2016).

正準相関分析

  1. 再定式化: maxA,B tr{XA(AXXA)1AX’}{YB(BYYB)1BY’} s.t. rank(XA)=rank(YB)≤min(p, q)と定式化できること(斜交回転可能)を証明. ここで, [X, Y]はn ×(p+q)のデータ行列 (Satomura & Adachi, 2013).

文献こちらをクリック

遺伝子表現データに対する[8]のAの解

PAGE TOP