文献

J-GLOBAL ID：201802274235253854   整理番号：18A0726915

高次元分割クラスタリングのための適応初期クラスタ中心選択アルゴリズム【JST・京大機械翻訳】

An Adaptive Initial Cluster Centers Selection Algorithm for High-Dimensional Partition Clustering

著者 (4件)： Gao Zhipeng ,  Fan Yidan ,  Niu Kun ,  Wang Ting
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： DASC/PiCom/DataCom/CyberSciTech  ページ： 1119-1126  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： クラスタ分析は,データオブジェクトの集合をサブセットに分割するプロセスであり,各サブセットはクラスタであり,クラスタ内のオブジェクトは高い類似性を持つが,他のクラスタのオブジェクトとは非常に異なる。反復再配置技術を適用することにより,クラスタ化における分割法は初期分割から始まり,最適分割を獲得する。分割クラスタリング結果は初期クラスタ中心の選択に大きく依存する。従来の距離ベースの初期化法は,高次元データにおける固有のスパース性と次元の曲線のために非効率的になるが,既存の改良法はパラメータに非常に敏感である。これらに基づいて,著者らは高次元分割クラスタ化のための新しい初期化方法を提案して,それは高密度で低い類似性初期クラスタ中心を選択することができて,適応的に高次元空間におけるその局所構造に従って異常値を同定した。合成と実世界のデータセットに関する実験は,提案したアルゴリズムがより良い性能を達成できることを示した。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： *クラスタ化 ,  *アルゴリズム ,  クラスタ分析 ,  *高次元 ,  *クラスタ ,  異常値 ,  部分集合 ,  分割法 ,  類似性
準シソーラス用語： 局所構造 ,  高密度 ,  スパース性 ,  高次元データ ,  再配列 , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  データベースシステム  (JD03030U) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 高次元 ,  クラスタリング ,  適応 ,  初期 ,  クラスタ ,  アルゴリズム