抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
k-meansクラスタリングは,データ解析における中心問題の一つであり,最も一般的なデータ処理アルゴリズムの一つとして残されている。連続と進化するデータに対処するためにk-平均クラスタリングアルゴリズムの流動変形である。ストリーム計算は,ユーザは全ての事象とデータを捕捉し,解析し,全ての時間とジャストインタイムを可能にした。ストリーミングモデルは実時間,動的とインクリメンタル特徴に起因してバッチモデルを越える利点を有する。しかし,ストリーミングk-平均クラスタ中心の初期帰属に敏感であり,結果は,クラスタ中心は有意にドリフトする場合に正確ではない。動的とインクリメンタル性ストリーミングk-平均アルゴリズムだけでなく,データの長期パターンを考慮に入れることができるを示した。ストリーミングk-平均クラスタリングと比較して,修飾ストリーミングk-平均クラスタリングはより良好な収束能力とより安定した結果を持っている。消費者区分問題における改良ストリーミングk-平均アルゴリズムの応用を調べ,実世界スマートメータデータを用いて提案手法の有効性を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】