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。
ビッグデータの時代では,詳細なデータマイニングは不可避であり急務となっている。クラスター分析により,主要なデータマイニング手法の一つである。二物体間の類似性または距離の測定いくつかのデータマイニングと知識発見タスクのための重要なステップである。abound未構造化自由データに対して,数値データおよびカテゴリーデータ間の変換が最も重要であるが,数値データのための類似性の概念は比較的よく研究されているおよび満たさないカテゴリーデータのための。分類データと混合データのための電流クラスタリングアルゴリズムからの学習,いくつかの方法と対応する特徴を検討し,まとめた。多様なデータセット上での結果は,ない測度は,すべてのタイプの問題のための他を支配しないことを示したが,クラスタリング過程に組み込むことができるいくつかの手段。提案した方法は,データセットの数値的およびカテゴリ的特徴(混合特徴)に対応する潜在的能力を有している。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】