文献

J-GLOBAL ID：201902254900416107   整理番号：19A1670490

完全適応スペクトルクラスタリングアルゴリズム【JST・京大機械翻訳】

The True Self-adaptive Spectral Clustering Algorithms

著者 (2件)： Xie Juanying (陜西師范大学計算机科学学院,陜西西安,710062) ,  Ding Lijuan (陜西師范大学計算机科学学院,陜西西安,710062)
資料名： Dianzi Xuebao  (Dianzi Xuebao)
巻： 47  号： 5  ページ： 1000-1008  発行年： 2019年 
JST資料番号： C2504A  ISSN： 0372-2112  CODEN： TTHPAG  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： スペクトルクラスタ化アルゴリズムself-tuningの局部スケールパラメータσiはノイズ点の影響を受け、さらにクラスタリング結果に影響し、そして使用するK-meansアルゴリズムの不安定さは、クラスタリング結果への影響を影響する。2種類の完全適応スペクトルクラスタリングアルゴリズムSC-SD(SpectralClusteringbasedonStandardDeviation)とSC-MD(SpectralClusteringbasedonMeanDistance)を提案した。サンプルiの標準差,サンプルiから残りのサンプルまでの距離平均値を定義し,サンプルiの近傍半径,統計近傍内のサンプル数,サンプルiの近傍標準偏差をその局所スケールパラメータとし,サンプルiの局部スケールパラメータがノイズ点によって影響され,クラスタリング結果に影響を与える。K-meansアルゴリズムの代わりに,分散最適化初期クラスタ化中心のSD-K-medoidsアルゴリズムを用いて,K-meansアルゴリズムの不安定性を克服し,データの真の分布を見出した。UCIデータセットと人工データセットの実験結果は,提案したSC-SDとSC-MDアルゴリズムがより良いクラスタリング結果を得ることができて,ノイズポイントによって影響されないことを示して,良い伸縮性を持った。提案したSC-SDとSC-MDは,データセットの真の分布情報を完全に適応的に発見することができ,特にSC-MDアルゴリズムは大規模データセットのクラスタ分析に適している。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： スケールパラメータ ,  クラスタ化 ,  標準偏差 ,  *アルゴリズム ,  *スペクトル ,  クラスタ分析 ,  雑音 ,  不安定性
準シソーラス用語： 大規模データセット ,  伸縮性 ,  分散最適化 , 【Automatic Indexing@JST】

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (3件)： 適応 ,  スペクトル ,  クラスタリングアルゴリズム