文献

J-GLOBAL ID：201802231130889359   整理番号：18A0186074

K推定を用いたスケーラブルなデータストリームクラスタリング【Powered by NICT】

Scalable Data Stream Clustering with k Estimation

著者 (4件)： Candido Paulo L. ,  Naldi Murilo C. ,  Silva Jonathan A. ,  Faria Elaine R.
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： BRACIS  ページ： 336-341  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： 実時間で得られたデータの一定増加は機械学習タスクとそれらの主枝の一つの新しい挑戦をもたらしている:データクラスタ化。ビッグデータストリーム(高速データストリーム)のシナリオが現実となっている。このシナリオに対処するために,新しいアプローチが必要である。本研究では,三種類のクラスター場に基づく新しい技術を提案した:データストリーム,MapReduceと自動推定Kのデータから。目標は,クラスタの数を変化させた高速データストリームをクラスタ化することである。二スケーラブルアルゴリズムを提案し,集中データストリームアルゴリズムに基づいている。第一はStreamKM++と第二FEACに基づくバッチクラスタリング目的に使用される進化的アルゴリズムに基づいている。結果はアルゴリズムの集中版と同じ高品質を達成した。速度/体積は,集中システムに適合するように高い場合に提案した技術は,集中のものの代わりに用いることができる。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： アルゴリズム ,  *クラスタ ,  クラスタ化 ,  高速度 ,  機械学習
準シソーラス用語： 高品質 ,  進化的アルゴリズム ,  MapReduce ,  *データストリーム ,  データクラスタリング ,  実時間 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 推定 ,  データストリーム ,  クラスタリング