文献

J-GLOBAL ID：201502207567927133   整理番号：15A1208212

特徴量評価に基づく類似性計算【Powered by NICT】

Similarity Calculation Based on Feature Weight Evaluation

著者 (4件)： Liu Ming (School of Management, Harbin Inst. of Technol., Harbin) ,  Wu Chong (School of Management, Harbin Inst. of Technol., Harbin) ,  Liu Yuanchao (School of Computer Sci. and Technol.,Harbin Inst. of Technol., Harbin) ,  Sun Chengjie (School of Computer Sci. and Technol.,Harbin Inst. of Technol., Harbin)
資料名： Jisuanji Xuebao  (Jisuanji Xuebao)
巻： 38  号： 7  ページ： 1420-1433  発行年： 2015年 
JST資料番号： C2531A  ISSN： 0254-4164  CODEN： JIXUDT  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： 情報技術の高速進歩とともに,クラスタリングの教師なし特性はそれ自身をデータ解析のための効果的な実装。高クラスタリング性能を得るために,効果的で正確な類似性計算は,クラスタリングアルゴリズムのためのプライムと必要な役割を果たしている。異なる特徴は,データ間の類似性を記述するための多様な寄与を持っているという事実のために,いくつかの超越知識(ユーザによって提供された例えば制約データ)による特徴の寄与を評価するために必要であり,より正確な計算結果を得るために類似性測定におけるそれを輸入している。残念なことに,従来の重量評価法は全二課題:(1)特徴空間における制約付きデータの非対称分布の可能性を考慮していない(2)拘束されたデータに含まれる不整合の可能性が高い。以前の二つの問題は,高精度を得るために従来の重量評価方法を無効にし,それらは機能できないものにしている。そこで本論文では,それらに対処するため新しい制約に基づく量評価法を提案した。前者について,制約データをいくつかの等価クラスに分配されると,分布パラメータはそれらの分布のバランスをとるためにそれらに割り当てられている。後者の載荷に関しては,拘束されたデータは,無向グラフを形成するために接続されており,信念値は,矛盾する可能性を測定し,減少させるために計算した。最後に,これらの二つのパラメータは重量評価関数に統合された正確な類似性測定を形成した。実験結果は,この量評価法を,制約条件のあるデータを組み合わせる類似性計算への異なる特徴の多様な寄与を得ることができ,その精度を改善するために,クラスタリングアルゴリズムに適用できることを示した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： データ解析 ,  評価関数 ,  不整合 ,  クラスタ化 ,  利用者 ,  *類似性 ,  無向グラフ ,  教師 ,  制約条件 ,  情報技術
準シソーラス用語： 評価方法 ,  高精度 ,  特徴空間 ,  評価法 ,  クラスタリングアルゴリズム , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 特徴量 ,  評価 ,  類似性 ,  計算