文献

J-GLOBAL ID：201302244226593102   整理番号：13A1105521

粒状演算に基づく新しいK-medoidsクラスタリングアルゴリズム

New K-medoids clustering algorithm based on granular computing

著者 (2件)： Ma Qing (School of Computer Sci.,Shaanxi Normal Univ., Shaanxi, Xi’an) ,  Xie Juanying (School of Computer Sci.,Shaanxi Normal Univ., Shaanxi, Xi’an)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 32  号： 7  ページ： 1973-1977  発行年： 2012年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  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： 従来のK-medoidsクラスタリングアルゴリズムには,初期クラスタ中心に敏感なクラスタリング結果と大規模データセットにおけるその欠陥などように,いくつかの欠点がある。高速K-medoidsアルゴリズムは従来のK-medoidsの短所に打ち勝ったが,それには異なるクラスタのための初期の種子と同じクラスタにおける手本を選択する潜在的難点がある。従来のK-medoidsと高速K-medoidsクラスタリングアルゴリズムの短所を取除くために,粒状演算ベースのK-medoidsクラスタリングアルゴリズムをこの論文で提案する。プール粒状性を介して,アルゴリズムはサンプル間の新しい類似性関数を定義し,そこでは顆粒を同値関係を介して作り出した。顆粒の密度はそれにおけるサンプリング数に応じて定義して,その後に,最初のK顆粒の中心の最も近いKサンプルを,データセットをクラスタ化するためにK-medoidsクラスタリングアルゴリズムのための初期の中心として選択した。UCI機械学習リポジトリからのデータセットと合成データセットに関する実験結果はすべて,新しい粒状演算ベースのK-medoidsベースのクラスタリングアルゴリズムがはるかに良く初期の中心を発見できると実証した。クラスタリング精度とクラスタリング誤差は従来のK-medoidsと高速K-medoidsクラスタリングアルゴリズムのものより良い。それは,はるかに安定した結果を得ることができ,大きいデータセットをクラスタ化するために適用できた。Data from the ScienceChina, LCAS. Translated by JST

シソーラス用語： *アルゴリズム ,  集合 ,  サンプルの大きさ ,  リポジトリ ,  クラスタ化 ,  機械学習 ,  同値関係
準シソーラス用語： *クラスタリングアルゴリズム ,  大規模データセット ,  サンプリング数 ,  実験結果

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (1件)： クラスタリングアルゴリズム