文献

J-GLOBAL ID：201602255107660715   整理番号：16A0827694

自己教師つき学習群知能(ISLCI)の高性能クラスタ化アルゴリズムの改良に基づく【JST・京大機械翻訳】

Improved self supervised learning collection intelligence based high performance data clustering approach

著者 (3件)： Zeng Lingwei (College of Information and Electronic, Qiongzhou University) ,  Wu Zhenxing (College of Information and Electronic, Qiongzhou University) ,  Du Wencai (College of Information Science & Technology, Hainan University)
資料名： Chongqing Youdian Da Xue Xuebao. Ziran Kexue Ban  (Chongqing Youdian Da Xue Xuebao. Ziran Kexue Ban)
巻： 28  号： 1  ページ： 131-137  発行年： 2016年 
JST資料番号： C3128A  ISSN： 1673-825X  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： 既存のデータクラスタリングアルゴリズム(例えばK-MEANS)に対して局所最適化とクラスタリング品質が不良の問題に陥る自己教師つき学習と高性能K値(K-MEANS)の群知能(IMPROVED SELF SUPERVISED LEARNING COLLECTION INTELLIGENCE,ISLCI)クラスタリングアルゴリズムを改良し,1つの結合を提案した。既存の自己監視群知能を計算効率とクラスタリング品質が高いという利点を持つ進化戦略を学習し,データクラスタリングに適用するとき,かつ極めて容易に遅い収束速度と局所最適化に陥りけれども。ISLCIのために突然変異操作を加えて,そのサンプルの多様性の増加で早熟の確率を低下し,最適解の求め品質を高める;各サンプル計算の挙動方程式,その行動の結果を得た;ルーレット方式によりによりにより自分を高めると群知能学習の対象個体群の中で他のサンプル学習目標の対象の属性を選択する。同時に,K-MEANSの操作では,その収束速度が向上したを利用し,アルゴリズムの計算効率を向上させる。比較試験の結果は,本アルゴリズムの収束速度が速く、クラスタリングの品質は高く、容易に局所最適解に陥らない特徴を持つことを示した。Data from the ScienceChina, LCAS.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  *クラスタ化 ,  突然変異 ,  品質 ,  個体群 ,  *アルゴリズム ,  *教師つき学習
準シソーラス用語： 局所最適解 ,  最適解 ,  収束速度 ,  データクラスタリング ,  進化戦略 ,  計算効率 ,  クラスタリングアルゴリズム ,  *群知能 , 【Automatic Indexing@JST】

著者キーワード (5件)： self supervised learning collection intelligence ,  data clustering ,  mutation operation ,  intra-cluster distance ,  fitness function evaluation

分類 (4件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (6件)： 自己 ,  教師つき学習 ,  群知能 ,  高性能 ,  クラスタ化 ,  アルゴリズム