@techreport{oai:ipsj.ixsq.nii.ac.jp:00066134,
 author = {福井, 健一 and 赤崎, 省悟 and 佐藤, 一永 and 水崎, 純一郎 and 森山, 甲一 and 栗原, 聡 and 沼尾, 正行 and Ken-ichi, Fukui and Shogo, Akasaki and Kazuhisa, Sato and Junichiro, Mizusaki and Koichi, Moriyama and Satoshi, Kurihara and Masayuki, Numao},
 issue = {22},
 month = {Sep},
 note = {本稿では，き裂，摩擦や衝突音など損傷に関わる Acoustic Emission （AE） 信号に対して，カーネル SOM のマップ上での隣接性を考慮した分類性能を評価した．AE 信号の周波数スペクトルの分布間の距離として，確率分布間の距離に基づく Kullback-Leibler （KL） カーネルを用いた．また，SOM のマップ上での隣接性を考慮して，クラスタ純度やF値による通常のクラスタリング尺度を拡張した．複数の模擬データを用いて，いくつかの標準的なカーネルや通常 SOM と比較した結果，KL カーネルは F 値の観点で最も良い性能を示すことを確認した．また，可視化結果からも，KL カーネルは異なるクラスの分離性が良く，同じクラスが密集している様子を確認した．, We evaluated clustering perfomance of Kernel SOM considering adjacency within the obtained map upon Acoustic Emission (AE) waves involved in damage such as crack, friction and collision. Here, we employed Kullback-Leibler (KL) kernel that is based on a distance between probability distributions as a distance between frequency spectrum distributions. Also standard clustering measures, e.g., cluster purity and F-measure, are extended so as to consider adjacency within the map obtained by SOM. Using simulated AE data sets, we confirmed the KL kernel performs the best among the several standard kernels in terms of F-measure. Moreover, the visualized map shows different classes can be well separated using KL kernel.},
 title = {カーネルSOMによる損傷評価のための隣接性を考慮した分類性能評価},
 year = {2009}
}