文献

J-GLOBAL ID：201702245630401406   整理番号：17A0448286

制約を用いたクラスタアンサンブル選択【Powered by NICT】

Cluster ensemble selection with constraints

著者 (5件)： Yang Fan (Department of Automation, Xiamen University, China) ,  Li Tao (School of Computing and Information Sciences, Florida International University, USA) ,  Li Tao (School of Computer Science, Nanjing University of Posts and Telecommunications, China) ,  Zhou Qifeng (Department of Automation, Xiamen University, China) ,  Xiao Han (Department of Computer Science, Aalto University, Finland)
資料名： Neurocomputing  (Neurocomputing)
巻： 235  ページ： 59-70  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： クラスタリングアンサンブルをデータ解析に重要なツール,よりロバストで正確なコンセンサスクラスタリングを生成できるとして出現した。アンサンブルを形成に関して,実証的研究により,集団の品質とアンサンブルメンバー間の多様性を同時に考慮することにより得ることができる良好な集団ことを示唆している。しかし,事前背景知識を組み込むが注目されてほとんど研究努力。本論文では,まず,アンサンブルメンバーの多様性と品質の影響に関する理論的解析を行った。制約ベースのクラスタリングアンサンブル選択問題を解くための統一フレームワークを提案し,いくつかの事例レベルmust-link及びcannot-link制約は事前知識または背景情報として与えられる。制約下での一貫性,アンサンブルメンバー間の多様性,集団の全体的品質の観点から組合せ最適化問題としてこの問題を定式化した。著者らの提案したフレームワークは,クラスタリング:アンサンブルクラスタリングと半教師つきクラスタリングからの二種の異なるが相互に関連したテーマをまとめた。高品質解を探索するための種々の方法を研究した。ベンチマークデータセット上での実験を行い,提案フレームワークの有効性を示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 定式化 ,  選択問題 ,  *クラスタ化 ,  品質 ,  データ解析 ,  組合せ最適化問題 ,  ロバスト性
準シソーラス用語： 高品質 ,  半教師付きクラスタリング ,  事前知識 ,  実証的研究 ,  *クラスタアンサンブル , 【Automatic Indexing@JST】

著者キーワード (4件)： クラスタアンサンブル ,  半教師つき ,  制約 ,  アンサンブル選択

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 制約 ,  クラスタアンサンブル