文献

J-GLOBAL ID：201802268153999337   整理番号：18A0354364

Gaussカーネルを用いた距離と密度に基づくクラスタリングアルゴリズム【Powered by NICT】

Distance and density based clustering algorithm using Gaussian kernel

著者 (2件)： Guengor Emre (Department of Computer Engineering, Sakarya University, Sakarya, 54187, Turkey) ,  OEzmen Ahmet (Department of Computer Engineering, Sakarya University, Sakarya, 54187, Turkey)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 69  ページ： 10-20  発行年： 2017年 
JST資料番号： W0178A  ISSN： 0957-4174  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： クラスタリングは処理衛星画像のような種々の応用での意味のあるデータ,財務データから情報を抽出するまたは社会科学におけるデータ処理の重要な分野である。試料空間の距離と密度特性に基づくGauss密度距離(GDD)クラスタリングアルゴリズムと呼ばれる新しいクラスタリング手法を提示した。法の新しい部分は事前情報とパラメータなしで可能な最良のクラスタを見出すことである。アルゴリズムのもう1つの注目すべき部分は二次元データ上で実行された,ヒトクラスタリング知覚に非常に近いクラスタを形成することである。GDDは,今日の最も一般的なクラスタリングアルゴリズムといくつかの類似性を持っている;が,Gaussカーネルと距離の両方を使って,データ密度と形状に応じてクラスタを形成した。GDDは運転前に特別なパラメータを必要としないので,得られたクラスターは異なる運転で変化しなかった。研究の間,提案したクラスタリングアルゴリズムとその評価の分析,いくつかの特徴的なデータセットのためのクラスタリング性能に基づいて設計した実験的枠組み。アルゴリズムを広範囲にいくつかの合成データセットを用いて試験し,選択した結果の一部を本論文で提示した。他の良く知られたクラスタリングアルゴリズムで生成した比較研究結果も本論文で議論した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *アルゴリズム ,  *クラスタ ,  二次元 ,  社会科学 ,  *クラスタ化 ,  衛星利用画像 ,  データ処理 ,  類似性
準シソーラス用語： 事前知識 ,  クラスタリング法 ,  *クラスタリングアルゴリズム ,  *Gaussカーネル , 【Automatic Indexing@JST】

著者キーワード (5件)： Gauss ,  密度ベースクラスタリング ,  分布ベースクラスタリング ,  距離ベースクラスタリング ,  データマイニング

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： Gaussカーネル ,  密度 ,  クラスタリングアルゴリズム