@article{oai:ipsj.ixsq.nii.ac.jp:00067622,
 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 = {1},
 journal = {情報処理学会論文誌数理モデル化と応用（TOM）},
 month = {Jan},
 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信号群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を用いたSOMや通常型SOMと比較した結果，KLカーネルを用いた場合にF値の観点で最も良い性能を示すことを確認した．また可視化結果とあわせて，クラスの分離性と密集性ついて考察した．, 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. Also we discussed about separability and density of classes together with the visualized maps.},
 pages = {36--48},
 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},
 volume = {3},
 year = {2010}
}