文献
J-GLOBAL ID:201802245854171954   整理番号:18A0725479

特徴強調エントロピーに基づく特徴削減ファジィクラスタリングアルゴリズム【JST・京大機械翻訳】

A Feature-Reduction Fuzzy Clustering Algorithm Based on Feature-Weighted Entropy
著者 (2件):
資料名:
巻: 26  号:ページ: 817-835  発行年: 2018年 
JST資料番号: W0509A  ISSN: 1063-6706  CODEN: IEFSEV  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ファジィクラスタリングアルゴリズムは,一般的に,等しい重要性の下で特徴成分を有するデータ点を処理する。しかしながら,ファジィクラスタリングアルゴリズムに悪い性能を引き起こす可能性があるクラスタリングプロセスに含まれる無関係な特徴を持つ様々なデータセットがある。すなわち,異なる特徴成分は,異なる重要性を取るべきである。本論文では,個々の特徴量を自動的に計算し,同時にこれらの無関係な特徴成分を削減することができるファジィクラスタリングアルゴリズムを改善するための新しい方法を提案した。ファジィクラスタリングにおいて,ファジィc-平均(FCM)アルゴリズムは,最も良く知られている。著者らは最初に,特徴加重エントロピーを有するFCM目的関数を考察して,パラメータのために学習スキーマを構築して,次にこれらの無関係な特徴成分を減少させた。これを特徴削減FCM(FRFCM)と呼ぶ。FRFCMプロセスの間,小さな重みを持つ無関係な特徴を除去するための新しい手順を特徴低減のために作成した。FRFCMの計算量も解析した。いくつかの数値的および実際のデータセットを用いて,文献におけるFRFCMを種々の特徴加重FCM法と比較した。実験結果と比較により,実際にその有効性と有用性を有するFRFCMのこれらの良好な側面を実証した。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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
システム・制御理論一般  ,  制御工学一般 
タイトルに関連する用語 (3件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る