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。
Kmeansはデータマイニング(ランキング数2)における最も一般的なアルゴリズムの一つであり,多くの分野で広く使われている。Kmeansは2つのデータを比較するためにユークリッド距離を使用する。しかしながら,ユークリッド距離はデータ収集プロセスにおける線形変換に敏感である。これらの線形変換のために,同じクラス(クラス内距離)のための2つのデータポイントの間の距離は,KMeansアルゴリズムのために低いクラスタ化性能を引き起こす可能性がある異なるクラス(クラス間距離)のそれらより大きい可能性があった。本論文では,データクラスタリングのための簡単な線形回帰手法を提案した。差分を測定するためにユークリッド距離を用いる代わりに,類似性を測定し,2つのデータ点を比較するために適合(または正規化交差相関)の長所を用いることを推奨した。この新しいデータ比較技術を用いて,データクラスタリングのための線形回帰アプローチを導入し,提案した方法がKMeans法よりも高い性能と低い計算コストを持つことを実証した。COPYRIGHT SPIE. Translated from English into Japanese by JST.【JST・京大機械翻訳】