文献

J-GLOBAL ID：201802283525258120   整理番号：18A1677545

医用データクラスタリングのための効率的ファジィ技法【JST・京大機械翻訳】

Efficient Fuzzy Techniques for Medical Data Clustering

著者 (3件)： Abdullah Maryam (Computer Engineering Department, Kuwait University, Kuwait) ,  Al-Anzi Fawaz S. (Computer Engineering Deparmtnet, Kuwait University, Kuwait) ,  Al-Sharhan Salah (Gulf University for Science and Technology, Kuwait)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： GCCCE  ページ： 1-9  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： データマイニング分野における研究者は,高次元データをクラスタ化するとき,効率的でスケーラブルなアルゴリズムを設計することを目指している。今日,データはより大規模で複雑になり,それらを分析するための効率的な方法を必要とする大きなデータと高次元データセットをもたらす。その理由のために,データがより大きく,より多様になるにつれて,既存のアルゴリズムを適応させるとき,クラスタの品質と速度を維持することが必要である。様々なクラスタリング法は低次元データセットを扱うことができるが,次元が増加するとこれらの方法は失敗する傾向がある。高次元データを効率的にクラスタリングするために利用可能なファジィクラスタリング技術の数がある。ファジィC-平均,FCM,およびその拡張Gustafson Kessel,GKは,高次元のクラスタリングデータのための2つの例である。本論文では,FCMとGKを医学データクラスタリングに使用し,Wisconsin Breast Cancer,WBC,UCIリポジトリから得たデータセットを実験に用いた。2つのアルゴリズムを他の研究と比較した。実験の結果は,FCMとGKの両方の精度において高い性能を示した。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： アルゴリズム ,  *曖昧さ ,  データマイニング ,  クラスタ化 ,  高次元 ,  *クラスタ ,  品質 ,  リポジトリ
準シソーラス用語： ファジィクラスタリング ,  低次元 ,  クラスタリング法 ,  高次元データ ,  *データクラスタリング , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： データクラスタリング ,  ファジィ ,  技法