文献

J-GLOBAL ID：201802285291704580   整理番号：18A1734947

密度ピークに基づく雲変換加速メカニズム【JST・京大機械翻訳】

Acceleration Mechanism of Cloud Transformation Based on Density Peaks

著者 (3件)： Yang Jie (重慶郵電大学 計算智能重慶市重点実験室,重慶400065;遵義師范学院 物理与電子科学学院,貴州 遵義563002) ,  Wang Guoyin (重慶郵電大学 計算智能重慶市重点実験室,重慶,400065) ,  Pang Ziling (重慶郵電大学 計算智能重慶市重点実験室,重慶,400065)
資料名： Xiaoxing Weixing Jisuanji Xitong  (Xiaoxing Weixing Jisuanji Xitong)
巻： 39  号： 6  ページ： 1299-1304  発行年： 2018年 
JST資料番号： C2136A  ISSN： 1000-1220  CODEN： XWJXEH  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： クラウドモデルは,確率論とファジー理論に基づいた認知モデルであり,定性的概念とその定量的数値の双方向変換モデルを実現できる。適応ガウス雲変換(AdaptiveGaussianCloudTransformation,AGCT)は雲モデルの最もよく見られる粒子計算メカニズムである。AGCTはデータフィッティングの角度から異なる概念階層、異なる粒度の概念抽出を実現した。しかし、AGCTによる概念のジャンプは、最も細かい粒度のデータから始まる必要があり、時間の複雑性が高い。本論文では、密度ピーククラスタリングアルゴリズムの思想を参考し、AGCTクロスレイヤーに先験的知識を提供するため、キー情報粒子を利用してガウス雲変換メカニズムであるAGCTaccを加速させ、反復回数が高すぎ、可変粒度を加速させる過程を提案した。画像分割実験により、本論文で提案した方法AGCTaccとAGCTは異なるデータセット上で最終的に生成した雲の概念パラメーターがほぼ同じであり、即ち分割効果は非常に近いが、AGCTaccの時間損失はAGCTより非常に少ないことが分かった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 認知モデル ,  確率論 ,  *ファジィ理論
準シソーラス用語： 画像セグメンテーション ,  クラスタリングアルゴリズム ,  複雑性 , 【Automatic Indexing@JST】

著者キーワード (4件)： DPC ,  AGCT ,  granularity computing ,  image segmentation

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (4件)： 密度 ,  雲 ,  加速 ,  メカニズム