文献

J-GLOBAL ID：201802260131529740   整理番号：18A1308672

高速発見クラスタ中心を用いた改良型密度ピーククラスタリングアルゴリズム【JST・京大機械翻訳】

An improved density peaks clustering algorithm with fast finding cluster centers

著者 (4件)： Xu Xiao (School of Computer Science and Technology, China University of Mining and Technology, Xuzhou 221116, China) ,  Ding Shifei (School of Computer Science and Technology, China University of Mining and Technology, Xuzhou 221116, China) ,  Ding Shifei (Key Laboratory of Intelligent Information Processing, Institute of Computing Technology, Chinese Academy of Science, Beijing 100190, China) ,  Shi Zhongzhi (Key Laboratory of Intelligent Information Processing, Institute of Computing Technology, Chinese Academy of Science, Beijing 100190, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 158  ページ： 65-74  発行年： 2018年 
JST資料番号： T0426A  ISSN： 0950-7051  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： 高速で効率的なものは,すべてのクラスタリングアルゴリズムのための一般的な要件である。密度ピーククラスタリングアルゴリズム(DPC)は,非球状クラスタをうまく扱うことができる。しかし,大規模なデータセットストレージの困難さとその高い計算複雑性のために,効果的データマイニングを実施する方法は挑戦になった。この問題を扱うために,著者らは,高速発見クラスタ中心を有する改良密度ピーククラスタリングアルゴリズムを提案する。それは,2つの新しい事前創造戦略に基づくより高い局所密度を持つ点をスクリーニングすることによってDPCアルゴリズムの効率を改善する。第一の戦略は格子分割(GDPC)に基づいており,対応する格子セルの密度に従って点をスクリーンする。第二の戦略は,対応する円におけるデータ集合の不均一な分布に従って,点をスクリーンする円偏光(CDPC)に基づいている。理論解析と実験結果により,両方のプリクリーニング戦略が計算複雑性を減少させることができ,提案したアルゴリズムがDPCアルゴリズムより満足するだけでなく,大規模データセットに関する良く知られたNyststrom-SCアルゴリズムより優れていることを示した。そのうえ,2つの事前創造戦略の異なる理論のために,最初の戦略はより速く,そして,2番目の戦略は大規模データ集合に関してより正確である。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： 計算量 ,  *アルゴリズム ,  *高速度 ,  スクリーン ,  データマイニング ,  円偏光 ,  *クラスタ
準シソーラス用語： 大規模データセット ,  理論解析 ,  *クラスタリングアルゴリズム , 【Automatic Indexing@JST】

著者キーワード (5件)： 密度ピーククラスタリングアルゴリズム ,  事前創造戦略 ,  大規模データセット ,  決定グラフ ,  計算の複雑さ

分類 (3件)： システム・制御理論一般  (IA02010H) ,  その他のオペレーションズリサーチの手法  (KA03070E) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 発見 ,  クラスタ ,  密度 ,  クラスタリングアルゴリズム