文献

J-GLOBAL ID：201802214006586466   整理番号：18A0196418

恒星データ上での期待値最大化アルゴリズムの改善【Powered by NICT】

Improving expectation maximization algorithm over stellar data

著者 (4件)： Kurban Hasan (Department of Computer Science, Indiana University, Bloomington, IN 47405, United States) ,  Kockan Can (Department of Computer Science, Indiana University, Bloomington, IN 47405, United States) ,  Jenne Mark (Department of Computer Science, Indiana University, Bloomington, IN 47405, United States) ,  Dalkilic Mehmet M. (Department of Computer Science, Indiana University, Bloomington, IN 47405, United States)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： Big Data  ページ： 2559-2568  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： 数年前にのみ,星のデータは,物体の0.1Mを測定した。セットを日常的に1mであった。2013年のESAのGaiaの発射を用いて,より正確に,より測定で測定した1000m恒星状天体を期待している。問題なし,天文学は約ビッグデータであり,クラスタリングは,天文学領域で非常に一般的な課題である。期待値最大化アルゴリズムは,科学と産業応用を使用する先端10データマイニングアルゴリズムの一つであるが,天文コミュニティはクラスタリングアルゴリズムとしてそれを利用しないことを観察した。本研究では,著者らは,EM~*と呼ぶと実験結果を示したことをクラスタリング(EM T)と拡張EMTアルゴリズムのための伝統的な期待値最大化アルゴリズムによる~1m恒星状天体(模擬銀河スペクトルデータ)をクラスタ化した。Copyright 2018 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： 天文学 ,  コミュニティ ,  クラスタ化 ,  *アルゴリズム ,  クェーサー
準シソーラス用語： スペクトルデータ ,  クラスタリングアルゴリズム ,  産業応用 ,  ビッグデータ ,  *EMアルゴリズム , 【Automatic Indexing@JST】

分類 (2件)： 天文学・天体物理学一般  (DB03000B) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 恒星 ,  期待値最大化アルゴリズム