文献

J-GLOBAL ID：201802227789901139   整理番号：18A0193242

動的走査半径をもつ密度コアベースクラスタリングアルゴリズム【Powered by NICT】

Density core-based clustering algorithm with dynamic scanning radius

著者 (5件)： Xie Jiang (College of Computer Science, Chongqing University, Chongqing 404100, China) ,  Xiong Zhong-Yang (College of Computer Science, Chongqing University, Chongqing 404100, China) ,  Zhang Yu-Fang (College of Computer Science, Chongqing University, Chongqing 404100, China) ,  Feng Yong (College of Computer Science, Chongqing University, Chongqing 404100, China) ,  Ma Jie (College of Computer Science, Chongqing University, Chongqing 404100, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 142  ページ： 58-70  発行年： 2018年 
JST資料番号： T0426A  ISSN： 0950-7051  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： クラスター化解析は,画像セグメンテーション,パターン認識,データ分析,市場調査などの多くの分野で広く使用されている。しかし,クラスタの分布パターンは天然と多くの研究分野における複雑である。他言すれば,大部分の実際のデータセットは,非球状または非楕円クラスタである。例えば,顔画像と手書きディジタル画像を多様体に分布しているといくつかの生物学的データセットは,超矩形に分布している。,多重密度データセット中の任意の形状のクラスタを検出するための大きな課題である。セントロイドベースクラスタリング手法または固定大域的パラメータによる超楕円と超球面クラスタを見つけるため以前のクラスタ化アルゴリズムの多くは,密度の大きな変化をもつ複雑なパターンには適用できない。DCNaN,密度コアに基づくクラスタリングアルゴリズムと密度の大きな変動との複合体パターンを認識するための自然近傍を提示した。密度コアはクラスタの形状を保持することができ,自然近傍(natural neighbours)を動的走査半径よりもむしろ固定大域的パラメータを見出すために導入した。我々の実験結果は,最新のクラスタリング技術と比較して,提案アルゴリズムでは,優れたクラスタリング品質,精度と効率,特に密度の大きな変動と非常に複雑なパターン認識を達成することを示した。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： 球面 ,  クラスタ化 ,  多様体 ,  データ解析 ,  *クラスタ ,  ディジタル画像 ,  多重化 ,  品質 ,  顔画像 ,  複合体 ,  *アルゴリズム ,  パターン認識 ,  *走査
準シソーラス用語： *クラスタリングアルゴリズム ,  画像セグメンテーション , 【Automatic Indexing@JST】

著者キーワード (4件)： クラスタリング ,  密度コア ,  動的走査半径 ,  自然近傍

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (3件)： 走査 ,  半径 ,  密度