文献

J-GLOBAL ID：201702254529847500   整理番号：17A0261171

K-平均と高速密度ピーク探索アルゴリズムを統合したクラスタリング法を提案した。【JST・京大機械翻訳】

A CLUSTERING METHOD COMBINING K-MEANS AND FAST SEARCH ALGORITHM OF DENSITY PEAKS

著者 (2件)： Sheng Hua (School of IoT Engineering, Jiangnan University) ,  Zhang Guizhu (Key Laboratory of Advanced Process Control for Light Industry (Ministry of Education), Jiangnan University)
資料名： Jisuanji Yingyong Yuruanjian  (Jisuanji Yingyong Yuruanjian)
巻： 33  号： 10  ページ： 260-264,269  発行年： 2016年 
JST資料番号： C2940A  ISSN： 1000-386X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： K平均アルゴリズムの初期クラスタ中心はランダムに選択され、異なる初期中心入力によって異なるクラスタリング結果が得られる。K-平均アルゴリズムの問題を解決するために,K-平均アルゴリズムとクラスタ化に基づく高速検索と発見的クラスタリングアルゴリズム(K-CBFSAFODP)を提案する。このアルゴリズムは以下のように考えられる。クラスタ中心は比較的低い局所密度を持つ隣接点に囲まれ、しかもより高い密度を持ついかなる点も比較的に大きい距離があり、これによってクラスター中心を描写する。K-平均アルゴリズムを用いて,反復クラスタ化を行い,K-平均クラスタリング中心のランダム選択が局所最適化に陥りやすいという欠点を克服した。さらに,エントロピーを計算距離を計算するために導入し,クラスタ化を最適化した。UCIデータセットと人工シミュレーションデータセットに関する実験結果は,融合アルゴリズムがより良いクラスタ化結果を得るだけではなく,クラスタ化も安定で,収束速度も速く,融合アルゴリズムの実現可能性を実証した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *クラスタ化 ,  最適化 ,  *アルゴリズム ,  *高速度 ,  *クラスタ ,  エントロピー ,  収束速度 ,  クラスタリングアルゴリズム ,  *探索アルゴリズム ,  局所最適化 ,  *改変
準シソーラス用語： ローカル最適化 ,  *クラスタリング法 , 【Automatic Indexing@JST】

著者キーワード (5件)： Clustering ,  K-means algorithm ,  CBFSAFODP algorithm ,  Initial clustering centres ,  Density Information entropy

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 平均 ,  密度 ,  探索アルゴリズム ,  統合 ,  クラスタリング法 ,  提案