文献

J-GLOBAL ID：201702281879124859   整理番号：17A1258002

進化的最適化を用いた改良モデルベースクラスタリング【Powered by NICT】

Improved model-based clustering using evolutionary optimization

著者 (3件)： Kebriaei Emad (Faculty of New Sciences and Technologies, University of Tehran, Iran) ,  Bijari Kayvan (Faculty of New Sciences and Technologies, University of Tehran, Iran) ,  Zare Hadi (Faculty of New Sciences and Technologies, University of Tehran, Iran)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IRANOPEN  ページ： 182-187  発行年： 2017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： 最適化戦略最大尤度の明確な目標は,特定のデータセットを用いて統計モデルを調整することであるとして,この方法をデータセットまたは既知分布から統計的モデルのいくつかの変数を調整するので,モデルは各データサンプル「記述」等を推定することができる。クラスタリングは欠測値をカバーするために確率モデルに基づくことができる。これは,データがモデルに従うべきである場合への洞察を提供し,有限混合モデルにおける観察されない変数の最大尤度の原理に基づいた期待値最大化(EM)のような新しいクラスタリング法を開発した進化的アルゴリズムは更なる最適化戦術を改善するための信頼できる,本論文でビッグバンビッグクランチ進化アルゴリズムを用いて,モデルベースのクラスタリングを促進した及び実際のデータセット上での実験結果により,典型的なモデルベースクラスタリング法を超えるその優位性を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 統計模型 ,  確率モデル ,  *モデル ,  *最適化 ,  *クラスタ化 ,  最尤法
準シソーラス用語： *モデルベース ,  戦術 ,  進化的アルゴリズム ,  クラスタリング法 ,  EMアルゴリズム ,  有限混合モデル ,  欠測値 ,  *進化的最適化 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 進化的最適化 ,  モデルベース ,  クラスタリング