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。
物体の潜在的群構造を発見するデータマイニングにとって非常に重要である。既存のクラスタリング手法の多くは純粋に数値的またはカテゴリーデータにのみ適用されるべきであると,ごく少数のアプローチは,最近数値的およびカテゴリ的属性を扱うことができるが,これらの方法はしばしば高い計算コストを必要とする。数値的およびカテゴリ的属性を持つデータを効率的にするために,本論文では,著者らは以下のスキームを用いた新しい手法を提案した。最初に,各カテゴリー属性の重要性の尺度を設計し,この測定に基づいて提案した各カテゴリー属性の重みを生成する方法を考える。数値部分のための距離と重みを持つカテゴリー部分を組み合わせて提案した統一された距離計量。さらに,[1]における法への新しい量を組み合わせた改良した密度ピーククラスタリングアルゴリズムを提案した。最後に,実験結果により,提案アプローチの効率性を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】