文献

J-GLOBAL ID：201302275103916503   整理番号：13A0152426

決定誤差の制御を介したPCAベース高次元の雑音の多いデータのクラスタリング

PCA-based high-dimensional noisy data clustering via control of decision errors

著者 (2件)： LEE Jeonghwa (Dep. of Industrial and Management Engineering, Pohang Univ. of Sci. and Technol., San 31 Hyoja-dong, Pohang 790-784, KOR) ,  JUN Chi-hyuck (Dep. of Industrial and Management Engineering, Pohang Univ. of Sci. and Technol., San 31 Hyoja-dong, Pohang 790-784, KOR)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 37  ページ： 338-345  発行年： 2013年01月 
JST資料番号： T0426A  ISSN： 0950-7051  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： クラスタ分析はオブジェクトを幾つかの同種グループへと分割する教師なし学習技法である。もしデータセット中に雑音が含まれていれば,それらはクラスタリング中に除去されるべきである。ソフトクラスタリング手法は雑音を含むデータを扱えるけれども,それらの殆どは重要なオブジェクトから雑音オブジェクトを判別するための適切なガイドラインを与えない。筆者らは目標水準内に決定誤差を維持しながら同時に雑音を取り除き重要なオブジェクトをクラスタリングするための多重検証手続きを提案した。高次元データを扱うために,筆者らは主成分分析を用いる事によって属性の次元を縮減し,Gauss混合を用いてオブジェクトをモデル化した。提案2段階手続きは雑音分離及びGauss混合の推定において効果的である。筆者らは2つの現実及び2つの人工データセットに対して提案手続きを適用した。実験結果は提案手法が高次元データに対して効率的に機能する事を示した。Copyright 2013 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： クラスタ分析 ,  *データマイニング ,  *主成分分析 ,  *クラスタ化 ,  高次元 ,  雑音 ,  次元縮小 ,  Gauss模型
準シソーラス用語： Gauss混合モデル ,  *データクラスタリング

分類 (2件)： 統計学  (AB08000H) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 誤差 ,  PCA ,  高次元 ,  雑音 ,  クラスタリング