文献

J-GLOBAL ID：201802260091140807   整理番号：18A0654904

複雑な学習分類システムに基づく密度クラスタリング手法【JST・京大機械翻訳】

Density clustering method based on complex learning classification system

著者 (3件)： Huang Hongwei (計算机軟件新技術国家重点実験室(南京大学),南京,210023) ,  Ge Xiaotian (江蘇省審計庁,南京,210009) ,  Chen Xuansong (江蘇省審計庁,南京,210009)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 37  号： 11  ページ： 3207-3211  発行年： 2017年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 複雑な学習分類システム(XCS)に基づく密度クラスタリング法を提案し,任意の形状とノイズを持つ二次元データをクラスタ化するために用いることができる。この方法はDXCScと呼ばれ、主に以下の三つの過程を含む。1)学習分類システムに基づき,入力データに対して規則群を生成し,規則を適切に圧縮する。2)生成された規則を二次元データ点と見なし,密度クラスタ化に基づいて二次元データ点をクラスタ化する。3)密度クラスタ化後の規則個体群に対して適切な重合を行い、最終的な規則個体群を生成する。最初のプロセスにおいて,学習分類システムのフレームワークを用いて,規則群を生成し,適切に減少した。2番目のプロセスは,個体群の各クラスタの中心がそれらの隣接ルールより高い密度を持ち,より高い密度のルール間の距離がより大きいことを示した。第三のプロセスにおいて,グラフ分割法を用いて,関連するオーバーラップクラスタを適切に重合させることができた。実験において,提案した方法を,K-平均,近傍伝搬クラスタリングアルゴリズム(AP),Voting-XCScなどのアルゴリズムと比較し,実験結果は,提案した方法が,精度において,比較アルゴリズムよりも優れていることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *学習 ,  *クラスタ ,  雑音 ,  アルゴリズム ,  二次元 ,  個体群 ,  クラスタ化
準シソーラス用語： クラスタリングアルゴリズム ,  近傍 ,  グラフ分割 ,  入力データ ,  *クラスタリング法 , 【Automatic Indexing@JST】

著者キーワード (5件)： Learning Classifier System (LCS) ,  evolutionary computing ,  reinforcement learning ,  density clustering ,  rule merging

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 学習 ,  分類 ,  密度 ,  クラスタリング手法