抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】