文献

J-GLOBAL ID：201702212139958129   整理番号：17A0473027

効率的なデータ低減法とその応用クラスタ解析【Powered by NICT】

An efficient data reduction method and its application to cluster analysis

著者 (4件)： Wang Jianpei (School of Electrical Engineering and Automation, Tianjin University, 300072, Tianjin, China) ,  Yue Shihong (School of Electrical Engineering and Automation, Tianjin University, 300072, Tianjin, China) ,  Yu Xiao (School of Electrical Engineering and Automation, Tianjin University, 300072, Tianjin, China) ,  Wang Yaru (School of Electrical Engineering and Automation, Tianjin University, 300072, Tianjin, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 238  ページ： 234-244  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  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： データ低減は,データマイニング分野で非常に重要な役割を果たすが,既存の方法では大規模データセットでは見えなかった全ての主要な特徴を効率的に同定することができなかった。幾つかの機会においては,それらは,元の重要な特徴の損失を引き起こす。本論文では,与えられたデータセットを低減し,定義された絶対密度をデータの限定された局所密度による主要な特徴を明らかにするために開発した新しい効率的な対策。これら二種類の密度の高速グリッドベースの二分法を用いて推定した。特徴低減及び試料還元に対するその性能を試験するために,特徴の異なる合成データセットと二十四のベンチマークデータセットの群を例として使用し,クラスタリング精度,実行時とクラスタ間の分離は,測定として使用した。結果は,提案した方法が高速データセットを減少させ,最も重要な鍵となる特徴を同定できる証明した。さらに,雑音のあるデータを抑制し,クラスタ間の分離を強化することによりクラスタの最適数を決定できる。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： データマイニング ,  クラスタ化 ,  *クラスタ ,  高速度 ,  雑音 ,  *クラスタ分析
準シソーラス用語： 大規模データセット , 【Automatic Indexing@JST】

著者キーワード (4件)： データ整理 ,  次元縮小 ,  試料還元 ,  クラスタリング妥当性

分類 (2件)： 数値計算  (JE02000J) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (2件)： 応用 ,  クラスタ解析