文献

J-GLOBAL ID：201702272216154161   整理番号：17A0329684

新規密度ピークに基づく半教師つきクラスタリングアルゴリズム【Powered by NICT】

A novel density peak based semi-supervised clustering algorithm

著者 (5件)： Li Wei-Feng (Department of Computer Science, Shenzhen Graduate School, Harbin Institute of Technology, 518055, China) ,  Li Xu-Tao (Department of Computer Science, Shenzhen Graduate School, Harbin Institute of Technology, 518055, China) ,  Ye Yun-Ming (Department of Computer Science, Shenzhen Graduate School, Harbin Institute of Technology, 518055, China) ,  Li Yan (School of Computer Engineering, Shenzhen Polytechnic, Shenzhen, 518055, China) ,  Wang Eric Ke (Department of Computer Science, Shenzhen Graduate School, Harbin Institute of Technology, 518055, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICMLC  ページ： 307-310  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 技術の急速な発展に伴い,各分野からのビッグデータの獲得と貯蔵長くはない問題である。代わりに,データを利用するかが重要なとホットな研究トピックとなっている。クラスタリングはビッグデータ利用のための重要な課題の一つである。しかし,タスクのための一つのよく知られている挑戦課題が存在し,すなわち,事前情報を組み込むクラスタリング結果にすることは困難である。本論文では,密度ピークに基づく半教師つきクラスタリングアルゴリズム,優れたクラスタリング結果を得るための,いくつかの種対象のラベル情報を活用することができるを提案した。具体的には,最初のデータセットの可能なクラスタ中心密度ピークを同定するための密度ベースクラスタリングアルゴリズムを採用し,次にいくつかの与えられた種対象を利用して各中心を割り当てるクラスラベルへのグラフベースアルゴリズムを提案した。最後に,種対象のラベル情報を活用とクラスタ化のための必須結合と禁則結合制約を生成するための中心を同定した。包括的実験を行い,提案手法の有効性を検証するために種々の公的に利用可能なデータセット上で実施されており,結果は,提案した密度ピークに基づく半教師つきアルゴリズムは,既存の方法の性能を大きく上回っていることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 高速度 ,  *クラスタ ,  *アルゴリズム ,  *クラスタ化 ,  制約条件
準シソーラス用語： 密度ベースクラスタリング ,  事前知識 ,  ビッグデータ ,  *半教師付きクラスタリング , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  計算機網  (JC03000K)

タイトルに関連する用語 (3件)： 密度 ,  半教師つきクラスタリング ,  アルゴリズム