文献

J-GLOBAL ID：201702228752849338   整理番号：17A0024724

自動ピーク検出を用いた距離と密度ベースクラスタリングアルゴリズム【Powered by NICT】

A Distance and Density-Based Clustering Algorithm Using Automatic Peak Detection

著者 (8件)： Zhou Rong ,  Zhang Shuang ,  Chen Chun ,  Ning Li ,  Zhang Yong ,  Feng Shengzhong ,  Liu Yi ,  Luktarhan Nurbol
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： SmartCloud  ページ： 176-183  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 距離ベースと密度ベースのクラスタリングは,大きな空間と任意形状ofdataセットでしばしば使われるalgorithmsare。しかし,幾つかの良く知られたクラスタリングアルゴリズムは,データセット中の物体の分布が変化するとき,andthisが悪いクラスタリング結果につながる可能性があるhavetroubles。このような悪いperformancesareは,高次元データセットに有意なより劇的に。RodriguezとLaioは,二つの基本的指標に基づく効率的なclusteringalgorithm[1]:密度と距離,クラスタ中心を発見し,クラスタリングの過程において重要な役割を果たすしを提案した。しかし,このアルゴリズムは,高次元データセット上でうまく動作しない,クラスタ中心のsincetheしきい値はambiguouslyand定義されたので,視覚と手動で決定する必要があるした。最近では,指標の代替定義はクラスタ中心のしきい値は,改善されたキャノピーアルゴリズムを用い自動的に決定したintroducedand。固定中心(eachrepresentsクラスタ)を用いて,それぞれの残りのデータオブジェクトは,一段階でTOAクラスターを帰属した。thealgorithmの性能を,いくつかのベンチマーク上で解析した。experimentalresultsは(1),例えば,侵入検知,いくつかの高次元データセット上でのクラスタリング性能が良く,(2)低次元データセット上で,性能は従来のクラスタリングアルゴリズムととして良好であることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 視覚 ,  *クラスタ化 ,  ベンチマーク ,  *アルゴリズム ,  *クラスタ
準シソーラス用語： 低次元 ,  侵入検知 ,  高次元データ ,  *クラスタリングアルゴリズム ,  *密度ベースクラスタリング ,  ピーク検出 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  数値計算  (JE02000J)

タイトルに関連する用語 (3件)： ピーク検出 ,  密度ベースクラスタリング ,  アルゴリズム