文献

J-GLOBAL ID：201702251616546879   整理番号：17A0408792

大域的および局所的クラスタリング構造の両方を保存する次元縮小アルゴリズム【Powered by NICT】

A dimension reduction algorithm preserving both global and local clustering structure

著者 (1件)： Cai Weiling (Department of Computer Science & Technology, Nanjing Normal University, Nanjing 210097, PR China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 118  ページ： 191-203  発行年： 2017年 
JST資料番号： T0426A  ISSN： 0950-7051  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： コヒーレントフレームワークへの線形判別分析とKmeansを組み合わせることにより,最近最も識別部分空間を選択するために提案した次元縮小アルゴリズム。このアルゴリズムは,クラスタラベル,その後部分空間選択を行うために判別分析を用いたを生成するためにクラスタリング手法を利用した。しかし,このアルゴリズムは,大域的構造の情報を考慮するだけで,局所構造の情報を考慮していないことを見出した。上述の欠点を克服するために,本論文では,大域的およびローカルの両方のクラスター構造を保存する次元縮小アルゴリズムを提案した。著者らのアルゴリズムは,雲分布を持つデータに適した教師なし線形次元縮小アルゴリズムである。提案したアルゴリズムでは,K平均クラスタリング法を採用して,元の空間のすべてのデータのためのクラスタリングラベルを生成した。次に,得られたクラスタリングラベルを用いて,大域的および局所的クラスタ化構造を記述した。最後に,目的関数は局所的および大域的なクラスタリング構造の両方を保存するために確立した。この目的関数を解くことにより,射影行列と対応する部分空間が得られる。このようにして,クラスタ構造の大域的および局所的情報を部分空間選択の過程に統合し,実際に,構造発見と部分空間選択は,筆者らのアルゴリズムで同時に行った。人工データセット,現実のベンチマークデータセットおよびAR顔データセット上で達成された有望な実験結果を示した。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： *次元縮小 ,  判別分析 ,  雲分布 ,  *アルゴリズム ,  線形性 ,  *クラスタ化 ,  目的関数
準シソーラス用語： 射影行列 ,  クラスター構造 ,  局所構造 ,  クラスタリング法 ,  部分空間 ,  線形判別分析 , 【Automatic Indexing@JST】

著者キーワード (5件)： パターン認識 ,  次元縮小 ,  クラスタリング学習 ,  大域的構造は保存 ,  局所構造は保存

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (4件)： クラスタリング ,  保存 ,  次元縮小 ,  アルゴリズム