文献

J-GLOBAL ID：201702271573069660   整理番号：17A1213095

大規模データ集合におけるクラスタ化問題のための新しい対角バンドル法【Powered by NICT】

New diagonal bundle method for clustering problems in large data sets

著者 (3件)： Karmitsa Napsu (Department of Mathematics and Statistics, University of Turku, Turku FI-20014, Finland) ,  Bagirov Adil M. (Faculty of Science and Technology, Federation University Australia, Victoria, Australia) ,  Taheri Sona (Faculty of Science and Technology, Federation University Australia, Victoria, Australia)
資料名： European Journal of Operational Research  (European Journal of Operational Research)
巻： 263  号： 2  ページ： 367-379  発行年： 2017年 
JST資料番号： A0547A  ISSN： 0377-2217  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： クラスタリングは,データマイニングにおける最も重要な課題の一つである。計算機ハードウエアの最近の開発は百年の千と百万のデータ点のランダムアクセスメモリ(RAM)と反復読取データセットにおける貯蔵することができた。はこのようなデータセットにおける従来のクラスタリングアルゴリズムの使用が可能になる。しかし,これらのアルゴリズムは非常に大きな計算時間を必要とし,正確な解を生成するために失敗する可能性がある。,は正確であり,大規模データセットにおける実時間クラスタリングを提供するクラスタリングアルゴリズムを開発することが重要である。本論文では,それらの中の一つを紹介した。クラスタリング問題の滑らかでない最適化の定式化を用いた目的関数は二つの凸(DC)関数の差として表現される。構造を明示的に用いる新しい対角束アルゴリズムを設計し,組み合わせたこの問題を解決するために増分法である。法は多数の属性と多数のデータ点の両方を用いた実世界データセットを用いて評価した。提案した方法は,数値結果を用いて二他のクラスタリングアルゴリズムと比較した。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： 目的関数 ,  RAM【メモリ】 ,  データマイニング ,  凸形 ,  最適化 ,  計算機械 ,  アルゴリズム ,  *クラスタ化 ,  定式化 ,  ハードウェア ,  CPU時間
準シソーラス用語： 実時間 ,  クラスタリングアルゴリズム ,  *大規模データセット , 【Automatic Indexing@JST】

著者キーワード (5件)： データマイニング ,  滑らかでない最適化 ,  非凸最適化 ,  DC機能 ,  バンドル法

分類 (2件)： 数理計画法  (KA03030M) ,  その他のオペレーションズリサーチの手法  (KA03070E)

タイトルに関連する用語 (5件)： 大規模データ集合 ,  クラスタ化 ,  問題 ,  角 ,  バンドル法