文献

J-GLOBAL ID：201802244976523433   整理番号：18A1676398

分割レベル制約クラスタリング【JST・京大機械翻訳】

Partition Level Constrained Clustering

著者 (3件)： Liu Hongfu (Northeastern University, Somerville, MA, USA) ,  Tao Zhiqiang (Northeastern University, Somerville, MA, USA) ,  Fu Yun (Northeastern University, Somerville, MA, USA)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 40  号： 10  ページ： 2469-2483  発行年： 2018年 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  資料種別： 逐次刊行物 (A)
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： 制約されたクラスタリングは,クラスタリング性能を改善するために事前に与えられた知識を使用する。ここでは,分割レベルのサイド情報と呼ばれる新しい制約を使用し,分割レベル制約クラスタリング(PLCC)フレームワークを提案する。そこでは,データのわずかな割合だけが,クラスタリングの手順を導くためにラベルを与えられる。著者らの目標は,データそのものから固有構造を捉える分割を見出すことであり,また,分割レベルのサイド情報とも一致する。次に,著者らは,K-平均に基づく分割レベル側面情報のアルゴリズムを引き出して,その対応する解法を与えた。さらに,複数のサイド情報を扱い,スペクトルクラスタリングのための分割レベルサイド情報のアルゴリズムを設計するために拡張した。広範な実験により,ペアワイズ制約クラスタリングおよびアンサンブルクラスタリング法と比較して,著者らの方法の有効性および効率性を,不整合クラスタ数設定においても実証した。これにより,ペアワイズ制約に対する分割レベルサイド情報の優位性を検証した。その上,著者らの方法はノイズのあるサイド情報に対して高いロバスト性を有して,著者らはまた,著者らの方法の性能を複数のサイド情報によって実証した。最後に,顕著性ガイド側情報に基づく画像共セグメンテーション応用は,教師なしのサイド情報によってさえ,異なるドメインにおける柔軟なフレームワークとしてPLCCの有効性を実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： セグメンテーション ,  ロバスト性 ,  アルゴリズム ,  雑音 ,  不整合 ,  *クラスタ ,  *クラスタ化 ,  画像
準シソーラス用語： クラスタリング法 ,  ペアワイズ制約 ,  スペクトラルクラスタリング ,  サイド情報 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (2件)： 制約 ,  クラスタリング