文献

J-GLOBAL ID：201802239713732102   整理番号：18A0384924

境界情報を用いた高度スケーラブルなクラスタリング方式【Powered by NICT】

A highly scalable clustering scheme using boundary information

著者 (3件)： Tong Qiuhui (Intelligent Computing Lab, Division of Informatics, Graduate School at Shenzhen, Tsinghua University, Shenzhen 518055, PR China) ,  Li Xiu (Intelligent Computing Lab, Division of Informatics, Graduate School at Shenzhen, Tsinghua University, Shenzhen 518055, PR China) ,  Yuan Bo (Intelligent Computing Lab, Division of Informatics, Graduate School at Shenzhen, Tsinghua University, Shenzhen 518055, PR China)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 89  ページ： 1-7  発行年： 2017年 
JST資料番号： H0913A  ISSN： 0167-8655  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： 多くの先進的なクラスタリング技術は,複雑な状況における対処法データセットに有効である。しかし,大規模データセット,ビッグデータの時代においてますます一般的なに直面した場合,大部分の既存の技術の時間要求は急速に耐えられないとなる可能性がある。この課題を解決するために,本論文では,スケーラブルなクラスタリングを用いた境界情報(SCUBI),高度に柔軟でスケーラブルなクラスタリング方式を提案した。SCUBIのアイデアは,最初に元のデータ集合の境界点を同定することであると,群境界は,既存のクラスタリング手法を用いて適切なクラスタに指摘した。最後に,残りの点は,それらの最も近い,境界点として同じクラスターに帰属した。SCUBIの有効性とスケーラビリティを実証するために,良く知られたDBSCANアルゴリズムSCUBIへを埋める。DBSCANとSCUBI DBSCANのクラスタリング結果と時間効率を比較するために百万二までのデータ点を持つデータセットを用いて行った包括的実験。実験結果は,この方法が標準DBSCANとほぼ同一のクラスタリング結果を得ることができる大規模データセット,SCUBIのスケーラビリティを確認するに大きさの桁を達成する特に高速化することを示した。実験もSCUBIの柔軟性を検証するために高い時間複雑さをもつ他のクラスタリングアルゴリズムで行った。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： 高速化 ,  アルゴリズム ,  高速度 ,  *クラスタ化 ,  *クラスタ ,  柔軟性
準シソーラス用語： クラスタリングアルゴリズム ,  クラスタリング法 ,  ビッグデータ ,  大規模データセット , 【Automatic Indexing@JST】

著者キーワード (4件)： クラスタリング ,  DBSCAN ,  クラスタ境界 ,  密度勾配

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 境界 ,  高度 ,  クラスタリング