抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
距離ベースと密度ベースのクラスタリングは,大きな空間と任意形状ofdataセットでしばしば使われるalgorithmsare。しかし,幾つかの良く知られたクラスタリングアルゴリズムは,データセット中の物体の分布が変化するとき,andthisが悪いクラスタリング結果につながる可能性があるhavetroubles。このような悪いperformancesareは,高次元データセットに有意なより劇的に。RodriguezとLaioは,二つの基本的指標に基づく効率的なclusteringalgorithm[1]:密度と距離,クラスタ中心を発見し,クラスタリングの過程において重要な役割を果たすしを提案した。しかし,このアルゴリズムは,高次元データセット上でうまく動作しない,クラスタ中心のsincetheしきい値はambiguouslyand定義されたので,視覚と手動で決定する必要があるした。最近では,指標の代替定義はクラスタ中心のしきい値は,改善されたキャノピーアルゴリズムを用い自動的に決定したintroducedand。固定中心(eachrepresentsクラスタ)を用いて,それぞれの残りのデータオブジェクトは,一段階でTOAクラスターを帰属した。thealgorithmの性能を,いくつかのベンチマーク上で解析した。experimentalresultsは(1),例えば,侵入検知,いくつかの高次元データセット上でのクラスタリング性能が良く,(2)低次元データセット上で,性能は従来のクラスタリングアルゴリズムととして良好であることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】