文献

J-GLOBAL ID：201802211062644326   整理番号：18A0432598

局所均一は一貫した安全な半教師つきクラスタリング【Powered by NICT】

Local homogeneous consistent safe semi-supervised clustering

著者 (4件)： Gan Haitao (School of Automation, Hangzhou Dianzi University, Hangzhou, China) ,  Fan Yingle (School of Automation, Hangzhou Dianzi University, Hangzhou, China) ,  Luo Zhizeng (School of Automation, Hangzhou Dianzi University, Hangzhou, China) ,  Zhang Qizhong (School of Automation, Hangzhou Dianzi University, Hangzhou, China)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 97  ページ： 384-393  発行年： 2018年 
JST資料番号： W0178A  ISSN： 0957-4174  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： 半教師つきクラスタリングは一般的に事前知識は,クラスタリング性能を改善するのに有用であることを仮定している。しかし,誤った情報,間違ったラベルを収集するかどうか事前知識は,クラスタリング性能縮退可能性がある。,対応する教師なしと半教師つきクラスタリング方法より性能が落ちるない安全な半教師つきクラスタリング法を設計するために重要である。本論文では,クラスラベルは事前知識として与えられる局所均質一致安全な半教師つきクラスタリングを開発した。知る限りでは,これは安全な半教師つきクラスタリングを研究したのは初めてである。基本的な考え方は,標識した一つである危険な場合には,標識試料とその最均一ラベル付けされていないものの予測は類似しているべきであるということである。このアルゴリズムでは,最初に教師なしクラスタリングによって得られた結果によって標識試料とその最均一ラベル付けされていないものの間の関係をモデル化するために局所グラフを構築した。グラフベース正則化項を局所均質近傍のそれにアプローチするためのラベル付けされた標本の予測可能にするために構築した。標識試料のリスクを軽減するために期待されている。一方,標識は有用である可能性があるならば,提案アルゴリズムが与えられたクラスラベルに対応する出力を制限することによりラベル付けされた標本を利用した。この意味で,本アルゴリズムでラベル付けされた標本の予測は,与えられたクラスラベル間のトレードオフと局所的均一近傍の予測である。このアルゴリズムの有効性を検証するために,いくつかのUCIデータセット上で一連の実験を行った。結果は誤って標識比は30%に達した場合でも,提案アルゴリズムでは,対応した教師なしと半教師つきクラスタリング方法より優れていることを示した。この意味で,提案したアルゴリズムは機械学習分野における理論的知識を増やすが,エキスパートおよびインテリジェントシステムにおける半教師つきクラスタリングの実用性を改善するであろう。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 正則化 ,  モデリング ,  アルゴリズム ,  機械学習 ,  *クラスタ化 ,  曖昧さ ,  予測 ,  縮退 ,  *安全性
準シソーラス用語： 実用性 ,  インテリジェントシステム ,  近傍 ,  教師なしクラスタリング ,  事前知識 ,  *半教師付きクラスタリング , 【Automatic Indexing@JST】

著者キーワード (4件)： 半教師つきクラスタリング ,  ファジィc-means法 ,  安全機構 ,  局所均一性

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (1件)： 半教師つきクラスタリング