文献

J-GLOBAL ID：201802291374336420   整理番号：18A0537415

ランダム特徴マッピングを用いたシャドウ集合に基づくラフであいまいなクラスタリング【Powered by NICT】

Shadowed set-based rough-fuzzy clustering using random feature mapping

著者 (2件)： Kong Lingning (Dept. of Computer and Information Science, University of Macau, Taipa, Macau, China) ,  Chen Long (Dept. of Computer and Information Science, University of Macau, Taipa, Macau, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SPAC  ページ： 400-405  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： シャドウ集合に基づくラフファジィクラスタリング(SRFCM)法は異常値を含むデータに大きな性能を示した。しかし非球形クラスタを持つデータに対して,SRFCアプローチは良好な結果を得ることができない。理由はSRFCM,古典的ファジィc平均アルゴリズムのような,元のデータ空間上で動作する,異なるクラスタの線形分離可能性を保証する。カーネル法は非球形問題を扱うためにファジィクラスタリングと組み合わせることができるが,カーネル行列のサイズについては入力データの数,ファジィクラスタリングは非常に大きなデータには適していないカーネルをの二乗である。しかし,Fourierランダム特徴マッピングを用いてカーネル空間を近似するならば,SRFCはデータで生成されたランダム特徴上で直接適用可能である。この手法は異常値取り扱いにおけるSRFCMの利点と処理非球状クラスタにおけるランダム特徴を組み合わせたものである。実験結果は,ランダム特徴空間におけるSRFCMの良好な性能を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 線形性 ,  *クラスタ ,  *曖昧さ ,  アルゴリズム ,  異常値
準シソーラス用語： 特徴空間 ,  カーネル空間 ,  入力データ ,  ファジィクラスタリング ,  Kernel法 ,  分離可能性 , 【Automatic Indexing@JST】

分類 (3件)： 数値計算  (JE02000J) ,  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)： マッピング ,  シャドウ ,  集合 ,  クラスタリング