文献

J-GLOBAL ID：201202238647197004   整理番号：12A0311705

クラスタ構造表現上のクラスタリングおよびクラシフィケーションの同時処理

Simultaneous clustering and classification over cluster structure representation

著者 (3件)： QIAN Qiang (Dep. of Computer Sci. and Technol., Nanjing Univ. of Aeronautics and Astronautics, Nanjing 210016, CHN) ,  CHEN Songcan (Dep. of Computer Sci. and Technol., Nanjing Univ. of Aeronautics and Astronautics, Nanjing 210016, CHN) ,  CAI Weiling (Dep. of Computer Sci. and Technol., Nanjing Normal Univ., Nanjing 210097, CHN)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 45  号： 6  ページ： 2227-2236  発行年： 2012年06月 
JST資料番号： D0611A  ISSN： 0031-3203  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： パターン認識領域における主要なタスクはクラスタリングとクラシフィケーションである。それらの異なる目標のおかげで,従来はそれらの2つのタスクは別々に処理されていた。しかしながら,ラベル情報が利用可能な場合,そのような別々の処理は完全にはデータ情報を調査することができない。第1に,データクラスタ構造によりクラシフィケーションは支持されない。第2に,クラスタリングは価値あるラベル情報によりガイドされない。第3に,クラスタとクラスの関係は明らかでない。この別々の学習処理に反して,クラスタリングとクラシフィケーションの同時学習は,お互いに利益を得ることができ,それらの問題を克服できる。最近,同時学習フレームワークのSCCを提案した。SCCにおけるp(クラス|クラスタ)クラシフィケーションとクラスタリングメカニズムのモデリングにより,クラスタ重心にのみ依存している。しかしながら,それは大幅に非線形対象を作り出し,従って,最適解を見つけるために,改良したパーティクルスウォーム最適化であるヒューリスティック探索法を使用しなければならなかった。しかし,それは非常に遅かった。さらに,p(クラス|クラスタ)モデリングはSCCを半教師あり設定を組み込むことを困難にした。本稿では,同時学習のための代替フレームワークのSC³SRを提案した。オリジナルデータ上で導出された分級器の他に,同様に,新しく形成されたクラスタ構造表現に関する他の分級器を得た。この分級器により,クラスタリング学習は,ラベルによりガイドされ,またクラシフィケーション学習もデータのクラスタ構造により支持された。最終目的は,存在が保証された収束をもついくつかの理にかなった最適化アルゴリズムのための連続的可微分性であった。結果として,本アルゴリズムはSCCより遙かに速かった。さらに,多様な正規化のアイディアと提案した半SC³SRアルゴリズムをもつ半教師あり状況のための,このフレームワークを一般化した。実験により,SC³SRと半SC³SR両方の有効性を実証した。Copyright 2012 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： 構造 ,  *クラスタ化 ,  *分級 ,  *処理 ,  パターン認識 ,  ラベル ,  学習 ,  解 ,  最適化 ,  発見的方法 ,  分級機
準シソーラス用語： クラシフィケーション ,  クラスター構造 ,  クラスタリング ,  パーティクルスウォーム最適化 ,  ヒューリスティック ,  最適解 ,  *同時処理 ,  半教師あり学習

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： クラスタ構造 ,  表現 ,  クラスタリング ,  クラシフィケーション ,  同時処理