文献

J-GLOBAL ID：201802286406498665   整理番号：18A0648246

クラスタ化におけるクラスタ化の最適化に関する研究【JST・京大機械翻訳】

REFINEMENT OF BASE CLUSTERS FOR CLUSTERING INTEGRATION

著者 (3件)： Cheng Kai (寧波大学信息科学与工程学院 浙江寧波315210) ,  Zhong Caiming (寧波大学科学技術学院信息工程学院 浙江寧波315210) ,  Pang Yongming (寧波大学信息科学与工程学院 浙江寧波315210)
資料名： Jisuanji Yingyong Yuruanjian  (Jisuanji Yingyong Yuruanjian)
巻： 34  号： 9  ページ： 267-272  発行年： 2017年 
JST資料番号： C2940A  ISSN： 1000-386X  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： クラスタ化は,すべての入力クラスタによるデータセットのクラスタ化情報を最大化するために,データセットの複数のクラスタ化(クラスタ化)をクラスタ化することによって,新しいクラスタリングを作った。明らかに,初期クラスタ化の品質は,最終的な統合化にとって非常に重要である。従来のクラスタリングアンサンブルにおけるクラスタ化器はK-平均を使用するので,K-平均は単純で複雑な計算複雑性を持たないので,クラスタ化機構は機械学習に関する局所的データのクラス条件付き確率に関する仮説を満たす。しかし,K-平均値は通常,距離測度としてGauss距離を直接用いるので,それは球状クラスタのクラスだけを発見することができる。しかし、構造が複雑で、特に連結性があり、かつ非球形分布に基づく構造のデータセットに対して、高品質(即ち均質性が高い)のポリタイプを生成できない。本論文では,基本クラスタ化の最適化法を提案した。K平均により生成されたクラスの均質性を判定し,均質性の悪いクラスを再分割し,クラスタ化の均質性を向上させることにより,クラスタ化の全体の品質を改善した。8つのデータセットに関する実験結果は,提案した方法が効果的であることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 機械学習 ,  *クラスタ化 ,  *クラスタ ,  連結性 ,  ポリタイプ ,  *最適化 ,  品質 ,  計算量
準シソーラス用語： 高品質 ,  距離測度 ,  条件付確率 , 【Automatic Indexing@JST】

著者キーワード (5件)： Clustering integration ,  K-means ,  Base clusters ,  Homogeneity ,  Spurious Gaussian

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

タイトルに関連する用語 (4件)： クラスタ ,  クラスタ化 ,  最適化 ,  研究