@article{oai:ipsj.ixsq.nii.ac.jp:00176901,
 author = {淺原, 彰規 and 林, 秀樹 and Akinori, Asahara and Hideki, Hayashi},
 issue = {1},
 journal = {情報処理学会論文誌},
 month = {Jan},
 note = {本論文では気温や降水量など物理量の分布を表すデータベースの構築時，周辺データとの類似度の線形和で記述できる近似曲線を用い，検索の機能を損なわずにデータ数を削減する方式を提案する．従来，物理量の分布データは件数が多すぎるため，検索性能を高めるにはハードウェアなどのコストがかかりすぎるという問題があった．提案方式では，カーネルガウシアンプロセス回帰を用いて分布の近似曲線を求め，その計算に必要なデータのみを管理することでデータ件数を削減する．また，標高および降雨量の2種のデータによる実験により，検索性能を維持したままデータ件数は数%に減らせることが確認できた．これにより，低コストで物理量の分布データの検索機能を提供できると期待される．, We propose a method to reduce the number of physical-quantity distribution data (i.e. temperature and rainfall) to manage it with relational database systems. Database systems for providing search functions take extremely high cost, due to requirements for hardwares. The proposed method thus takes an approach that an approximation curve function derived with kernel Gaussian process regression in advance determines the minimal dataset to be input into database systems. By results of experiments using digitized elevation map (DEM) data and rainfall distribution data, we confirmed that the proposed method could make the number of data drops down to less than 1/10 of the original data number. These results demonstrates that the proposed method is available for managing the physical-quantity-distribution data with low cost.},
 pages = {2--12},
 title = {カーネルガウシアンプロセス回帰による時空間分布データ削減方式},
 volume = {58},
 year = {2017}
}