文献

J-GLOBAL ID：201802276941676676   整理番号：18A0342991

LDAに基づく教師なし局所次元縮小を用いたストリームデータのためのクラスタリングアルゴリズム【Powered by NICT】

A clustering algorithm for stream data with LDA-based unsupervised localized dimension reduction

著者 (3件)： Laohakiat Sirisup (Department of Mathematics and Computer science, Chulalongkorn Univeristy, Thailand) ,  Phimoltares Suphakant (Department of Mathematics and Computer science, Chulalongkorn Univeristy, Thailand) ,  Lursinsap Chidchanok (Department of Mathematics and Computer science, Chulalongkorn Univeristy, Thailand)
資料名： Information Sciences  (Information Sciences)
巻： 381  ページ： 104-123  発行年： 2017年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  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： 高次元ストリーミングデータをクラスタリングするためのアルゴリズムを提案した。アルゴリズムはクラスタリングフレームワークに次元縮小を組み込んでいる。新しいデータが到着すると,このアルゴリズムは教師なしLDA(線形判別分析)に基づいた方法を用いた局所射影部分空間を見出すために次元縮小を行う。得られた局所部分空間は入ってくる点に関して近くのマイクロクラスタを分離最大であろう。流入点は,投影空間におけるよりも,全次元空間におけるマイクロクラスタに帰属した。実験結果は,提案したアルゴリズムは,その対応ストリーミングクラスタリングアルゴリズムを凌ぐことを示した。さらに,全データセットを必要とする従来のクラスタリングアルゴリズムと比較して,提案したアルゴリズムは,大規模データセットのためのはるかに少ない計算時間と同等のクラスタリング性能を示した。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： *次元縮小 ,  *アルゴリズム ,  射影 ,  マイクロクラスタ ,  高次元 ,  CPU時間 ,  *クラスタ化
準シソーラス用語： 大規模データセット ,  部分空間 ,  線形判別分析 ,  ストリーミングデータ ,  *クラスタリングアルゴリズム , 【Automatic Indexing@JST】

著者キーワード (5件)： ストリームデータクラスタリング ,  次元縮小 ,  線形判別分析 ,  クラスタリングアルゴリズム ,  線形判別分析部分空間

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： LDA ,  教師 ,  次元縮小 ,  ストリームデータ ,  クラスタリングアルゴリズム