文献

J-GLOBAL ID：201702288950707444   整理番号：17A0262931

移動近隣伝搬クラスタリングアルゴリズム【JST・京大機械翻訳】

Transfer Affinity Propagation Clustering Algorithm

著者 (4件)： Hang Wenlong (School of Digital Media,Jiangnan University) ,  Jiang Yizhang (School of Digital Media,Jiangnan University) ,  Liu Jiefang (School of Digital Media,Jiangnan University) ,  Wang Shitong (School of Digital Media,Jiangnan University)
資料名： Ruanjian Xuebao  (Ruanjian Xuebao)
巻： 27  号： 11  ページ： 2796-2813  発行年： 2016年 
JST資料番号： C2542A  ISSN： 1000-9825  CODEN： RUXUEW  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 従来のクラスタリングアルゴリズムの性能は,ターゲット領域におけるデータの欠乏を利用することによってしばしば減少する。このシナリオでは,ホメオドメインにおける有用な知識を抽出することによって,目標の学習を指導するために,より適切なクラスの情報とクラスタ化性能を得ることは,効果的な学習戦略である。本論文では,近傍伝搬に基づく移動クラスタ化(TAP)アルゴリズムを提案し,ホメオドメインと目標のデータ分布の類似性を示した。移動学習メカニズムを導入することによって,近隣のクラスタ化(()アルゴリズムは,データ不足のシナリオの下でクラスタ化性能を改善した。マイグレーションの有効性を保証するために,TAPは,ホメオドメインと目標の統計的特性と幾何学的特性を考慮することによって,APアルゴリズムにおけるメッセージ伝達機構を改良することによって,移動能力を改良して,それは目標領域学習の目的を達成した。また、TAPに対応するグラフにより、TAPはAPのメッセージ伝達メカニズムに類似することができ、目標データ不足の状況下で効率的な知識移転を行い、最終的に得られたクラスタリング結果に保証を提供できることを示した。シミュレーションデータセットと実際のデータセットに関するシミュレーション結果は,提案したアルゴリズムが古典的APアルゴリズムと比較して,より良い性能を有することを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 類似性 ,  クラスタ化 ,  学習 ,  シミュレーション ,  *アルゴリズム
準シソーラス用語： 知識移転 ,  幾何学的特徴 ,  統計的特性 ,  学習戦略 ,  ホメオドメイン ,  *クラスタリングアルゴリズム , 【Automatic Indexing@JST】

著者キーワード (6件)： transfer learning ,  statistical property ,  geometric structure ,  affinity propagation (AP) ,  cluster method ,  insufficient data

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 (2件)： 伝搬 ,  クラスタリングアルゴリズム