文献

J-GLOBAL ID：201902230126585201   整理番号：19A2343518

外点シェーバー:ノード切断によるロバストグラフベースクラスタリング【JST・京大機械翻訳】

Outer-Points shaver: Robust graph-based clustering via node cutting

著者 (3件)： Kim Younghoon (School of Industrial Management Engineering, Korea University, 145 Anam-Ro, Seoungbuk-Gu, Seoul 02841, Republic of Korea) ,  Do Hyungrok (School of Industrial Management Engineering, Korea University, 145 Anam-Ro, Seoungbuk-Gu, Seoul 02841, Republic of Korea) ,  Kim Seoung Bum (School of Industrial Management Engineering, Korea University, 145 Anam-Ro, Seoungbuk-Gu, Seoul 02841, Republic of Korea)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 97  ページ： Null  発行年： 2020年 
JST資料番号： D0611A  ISSN： 0031-3203  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： グラフベースのクラスタリングは,局所および非線形データパターンにおけるクラスタを同定するための効率的な方法である。既存の方法の中で,スペクトルクラスタリングは最も顕著なアルゴリズムの一つである。しかし,この方法は雑音と異常値に対して脆弱である。本研究では,比較的低密度のデータノードを除去するロバストなグラフベースのクラスタリング法を提案した。提案した方法は類似性行列から擬似密度を計算し,スパース正則化モデルを用いて再構成する。このプロセスにおいて,雑音と外部点を決定し,除去した。以前のエッジ切断ベースの方法と異なり,提案した方法はノイズに対してロバストであり,一方,それが無関係なノードを切断するので,クラスタを検出する。シミュレーションと実世界のデータを用いて,クラスタリング精度と雑音データに対するロバスト性に関する既存の方法と比較することにより,提案した方法の有用性を実証した。比較結果は,提案方法が代替案より優れていることを確認した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *クラスタ ,  *グラフ ,  正則化 ,  類似性 ,  アルゴリズム ,  *ロバスト性 ,  *クラスタ化 ,  異常値 ,  雑音 ,  再構成 ,  *改変
準シソーラス用語： スパース ,  クラスタリング法 ,  脆弱性 ,  スペクトラルクラスタリング , 【Automatic Indexing@JST】

著者キーワード (5件)： グラフベースクラスタリング ,  教師なし学習 ,  スペクトルクラスタリング ,  擬似密度再構成 ,  ノード切断

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： シェーバー ,  ノード