文献

J-GLOBAL ID：201802267731524693   整理番号：18A0864061

高次元非線形特徴データに適用されるクラスタリングアルゴリズムとアプリケーション【JST・京大機械翻訳】

A Clustering Algorithm for High-Dimensional Nonlinear Feature Data with Applications

著者 (6件)： Jiang Hongquan (西安交通大学机械制造系統工程国家重点実験室,710049,西安) ,  Wang Gang (西安交通大学第二附属医院,710004,西安) ,  Gao Jianmin (西安交通大学机械制造系統工程国家重点実験室,710049,西安) ,  Gao Zhiyong (西安交通大学机械制造系統工程国家重点実験室,710049,西安) ,  Gao Ruiqi (西安交通大学机械制造系統工程国家重点実験室,710049,西安) ,  Guo Qi (西安交通大学第二附属医院,710004,西安)
資料名： Xi’an Jiaotong Daxue Xuebao  (Xi'an Jiaotong Daxue Xuebao)
巻： 51  号： 12  ページ： 49-55,90  発行年： 2017年 
JST資料番号： W0363A  ISSN： 0253-987X  CODEN： HCTPDW  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： 高次元データのクラスタリング解析において,データの非線形特性の関係のため,データの不均等な分布,従来の類似性測度の故障,および結果クラスの中心の精度の問題などの多くの問題があった。カーネル主成分分析(KPCA)と密度クラスタリング(DBSCAN)に基づく高次元非線形特徴データのクラスタリング解析技術を提案した。最初に,高次元データの非線形特性を効果的に抽出するために,オリジナルデータを高次元データ空間に写像し,主成分分析(PCA)を用いて,データ変化の方向集合を得て,次に,データサンプルが主要要素空間の類似性距離によって改良され,そして,3δ統計理論を用いて,高次元データの正確な分類とクラス中心知識表現を,それぞれ,データサンプルによって特徴付けられた。.。..データサンプルが,主元の空間の類似性距離を,修正して,そして,次に,3δ統計理論によって,データの空間の類似性距離を,改善した。........................................................................実例として実際の高血圧患者の集団クラスタリング問題を取り上げて,実験結果は,提案した方法がオリジナルデータの非線形特性を効果的に獲得し,個人の特性集団の効果的分割とクラスタ中心知識の表現を実現できることを示した。伝統的DBSCANクラスタリング法は高次元データに適用できない。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 高血圧症 ,  主成分分析 ,  *クラスタ ,  測度 ,  *クラスタ化 ,  *応用プログラム ,  類似性 ,  *高次元 ,  知識表現 ,  患者
準シソーラス用語： クラスタリング法 ,  カーネル主成分分析 ,  高次元データ ,  *クラスタリングアルゴリズム , 【Automatic Indexing@JST】

著者キーワード (4件)： nonlinear feature ,  high dimensional data ,  kernel principal component analysis ,  density clustering

分類 (2件)： データベースシステム  (JD03030U) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 高次元 ,  非線形 ,  特徴データ ,  クラスタリングアルゴリズム ,  アプリケーション