文献

J-GLOBAL ID：201802267852732499   整理番号：18A0725465

大規模データセットにおけるカスケード隠れ空間特徴マッピング,ファジィクラスタ化,および非線形スイッチング回帰【JST・京大機械翻訳】

Cascaded Hidden Space Feature Mapping, Fuzzy Clustering, and Nonlinear Switching Regression on Large Datasets

著者 (6件)： Wang Jun (School of Digital Media, Jiangnan University, Wuxi, China) ,  Liu Huan (School of Digital Media, Jiangnan University, Wuxi, China) ,  Qian Xiaohua (Department of Radiology, Wake Forest School of Medicine, Winston-Salem, NC, USA) ,  Jiang Yizhang (School of Digital Media, Jiangnan University, Wuxi, China) ,  Deng Zhaohong (School of Digital Media, Jiangnan University, Wuxi, China) ,  Wang Shitong (School of Digital Media, Jiangnan University, Wuxi, China)
資料名： IEEE Transactions on Fuzzy Systems  (IEEE Transactions on Fuzzy Systems)
巻： 26  号： 2  ページ： 640-655  発行年： 2018年 
JST資料番号： W0509A  ISSN： 1063-6706  CODEN： IEFSEV  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ファジィクラスタリングの成功は入力データの特徴に大きく依存する。深いアーキテクチャが層毎にデータ表現をより正確に特徴付けることができるという事実に基づいて,本論文はカスケード隠れ空間(CHS)特徴マッピングと呼ばれる新規特徴マッピング技術を提案して,古典的ファジィc-平均(FCM)とファジィc-回帰(FCR)との組合せを調査した。CHS特徴マッピングの層間のパラメータはランダムに生成され,層毎に調整されない必要があるので,CHSはより少ない訓練データで容易に実装される。CHSにおける古典的FCMを実行することによって,CHS-FCMと呼ばれる新しいファジィクラスタリングフレームワークを開発した。その変種のいくつかを,CHS-FCMクラスタ化フレームワークにおける異なる次元縮小法を用いて提示した。CHS-FCMと非線形スイッチ回帰の組合せはCHS-FCRと呼ばれ,CHSにおいてFCRを実行する。提案したCHS-FCRは,非線形プロセスモデリングのためのFCRよりも良好な結果を提供した。CHS-FCMとCHS-FCRの両方は,低いメモリ消費を示し,より少ない訓練データを必要とする。実験結果により,古典的ファジィクラスタリング法に対する提案方法の優位性を検証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 計算機アーキテクチャ ,  記憶装置 ,  *クラスタ化 ,  *スイッチング ,  *曖昧さ ,  データ表現 ,  *スイッチ ,  次元縮小
準シソーラス用語： クラスタリング法 ,  訓練データ ,  入力データ ,  ファジィクラスタリング , 【Automatic Indexing@JST】

分類 (3件)： システム・制御理論一般  (IA02010H) ,  論理代数  (JB03000H) ,  制御工学一般  (IC01000V)

タイトルに関連する用語 (7件)： 大規模データセット ,  カスケード ,  マッピング ,  ファジィ ,  クラスタ化 ,  非線形 ,  スイッチング