文献

J-GLOBAL ID：201702231848703791   整理番号：17A1622664

自己組織化方向を重視したデータ分割アルゴリズム【Powered by NICT】

Self-Organised direction aware data partitioning algorithm

著者 (5件)： Gu Xiaowei (School of Computing and Communications, Lancaster University, Lancaster, LA1 4WA, UK) ,  Angelov Plamen (School of Computing and Communications, Lancaster University, Lancaster, LA1 4WA, UK) ,  Angelov Plamen (Honorary Professor, Technical University, Sofia 1000, Bulgaria) ,  Kangin Dmitry (School of Computing and Communications, Lancaster University, Lancaster, LA1 4WA, UK) ,  Principe Jose (Computational NeuroEngineering Laboratory, Department of Electrical and Computer Engineering, University of Florida, USA)
資料名： Information Sciences  (Information Sciences)
巻： 423  ページ： 80-95  発行年： 2018年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  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： 本論文では,新しい完全にデータ駆動アルゴリズム,自己組織化方向を意識した(SODA)データは,データ雲を分割すると形成を提案した。提案SODAアルゴリズムは伝統的な距離計量を持つ一体となって働く事が余分な余弦類似性に基づく方向性成分を採用し,このようにして,空間及び角度発散の両方の利点が。ノンパラメトリック経験的データ解析(EDA)演算子を用いて,データ雲を形成する焦点として提案したアルゴリズムは,経験的に観測されたデータサンプルからのデータパターンの主要なモードを同定する自動的にそれらを使用する。SODAアルゴリズムのストリーミングデータ処理の拡張も提案した。SODAアルゴリズムのこの拡張はおそらく変化データパターンと過程を追跡しデータ雲構造とパラメータを自己調整することができた。概念の証明として提供した数値例は,自律的アルゴリズムとして提案したアルゴリズムを説明し,その高いクラスタリング性能と計算効率を実証した。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： *自己組織化 ,  クラスタ化 ,  類似性 ,  ノンパラメトリック法 ,  距離計 ,  *アルゴリズム ,  指向性
準シソーラス用語： 計算効率 ,  自律性 ,  ストリーミングデータ ,  データ駆動 , 【Automatic Indexing@JST】

著者キーワード (6件)： 自律学習 ,  ノンパラメトリック ,  クラスタリング ,  経験的データ解析(EDA) ,  余弦類似性 ,  伝統的距離計量

分類 (3件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  電力系統一般  (NB02000E)

タイトルに関連する用語 (3件)： 自己組織化 ,  重視 ,  アルゴリズム