文献

J-GLOBAL ID：201802254267577252   整理番号：18A1362506

非支配ソーティング遺伝的アルゴリズムを用いた逐次クラスタリングと分類のデータ解析フレームワーク【JST・京大機械翻訳】

Data analysis framework of sequential clustering and classification using non-dominated sorting genetic algorithm

著者 (2件)： Yang Chao-Lung (Department of Industrial Management, National Taiwan University of Science and Technology, Taipei, Taiwan, ROC) ,  Quyen Nguyen Thi Phuong (Department of Industrial Management, National Taiwan University of Science and Technology, Taipei, Taiwan, ROC)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 69  ページ： 704-718  発行年： 2018年 
JST資料番号： W2175A  ISSN： 1568-4946  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： 本研究では,データインスタンスのラベルがプロセスの初期段階で利用できない場合に,予備データ解析ツールとして使用できる革新的フレームワークを提案した。予備的なデータ解析は,通常,性能または決定属性を表す測度となり得る「ターゲット関心」特徴の探索から始まる。次に,「ターゲット関心」特徴と高度に相関する因子を研究することは,主要な分析課題である。正確なラベルが提供されないので,これらのデータ探索と研究プロセスは,特にデータのサイズが膨大であるとき,反復的で時間がかかる。本研究では,NSGAII-SCCと名付けたフレームワークを提案し,因子研究のための分類アルゴリズムによる「ターゲット関心」探索のためのクラスタ化の組合せの多目的問題を形成した。特徴選択機構と統合された高速で信頼性の高い非支配ソーティング遺伝的アルゴリズム(NSGAII)を設計し,クラスタリングと分類のためのより良い解を探索した。この逐次クラスタリングと分類プロセスは,「ターゲット関心」の隠れたパターンを明らかにするだけでなく,発見されたパターンと高度に相関する特徴を調査することを目的としている。Kagleからの2つの公共のトランザクションデータセットを用いてNSGAII-SCCの性能を評価した。実験結果は,NSGAII-SCCがクラスタリングと分類の多目的を維持するより良い解を見つけるために有望な性能を達成することを示した。さらに,染色体設定を用いた特徴選択は,クラスタリングと分類学習の両方に対する関連特徴の探索を助けることができる。提案したフレームワークは,大きいトランザクションデータを調べるツールとして特に有用である。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 測度 ,  信頼性 ,  染色体 ,  クラスタ化 ,  特徴選択 ,  *ソーティング ,  *データ解析 ,  データ探索 ,  高速度 ,  *遺伝的アルゴリズム
準シソーラス用語： 多目的最適化 ,  分類学習 ,  解析ツール ,  分類アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (4件)： 特徴選択 ,  多目的最適化 ,  非支配ソーティング ,  逐次クラスタリングと分類

分類 (2件)： パターン認識  (JE07000S) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (7件)： 支配 ,  ソーティング ,  遺伝的アルゴリズム ,  逐次 ,  クラスタリング ,  分類 ,  解析フレームワーク