OS4-5 パターン解析のための信号圧縮と再構成について
◎志波舜平,酒井智弥(長崎大学)
本研究では,高次元データの解析に適した効率的な信号圧縮および高次元の基底学習を回避した圧縮センシングの信号再構成の手法を提案する.センサが多様化すると,高い時間空間分解能で大量の物理量を計測した信号が得られる.この信号は高次元データまたはその時系列で表される.これを人が全て確認することは現実的でないため,自動的にパターン解析する必要がある.ランダム圧縮は計算コストが低く,解析に必要な信号の相関や類似度を,低次元データから効率的に近似計算できる.信号のスパース再構成には,高次元の基底が必要であるが,提案手法では信号の事例を基底とし,低次元化した事例から学習した基底によるスパース表現により,信号を再構成する.この手法が機能する最適なパラメータの存在を確認し,計算量を評価した.