文献

J-GLOBAL ID：201902266620746555   整理番号：19A2112450

ファジィクラスタリングの分類性能を強化するための仮想空間の構築【JST・京大機械翻訳】

Constructing a Virtual Space for Enhancing the Classification Performance of Fuzzy Clustering

著者 (4件)： Xu Kaijie (School of Electro-Mechanical Engineering, Xidian University, Xi’an, China) ,  Pedrycz Witold (Department of Electrical and Computer Engineering, University of Alberta, Edmonton, AB, Canada) ,  Li Zhiwu (School of Electro-Mechanical Engineering, Xidian University, Xi’an, China) ,  Nie Weike (School of Information Science and Technology, Northwest University, Xi’an, China)
資料名： IEEE Transactions on Fuzzy Systems  (IEEE Transactions on Fuzzy Systems)
巻： 27  号： 9  ページ： 1779-1792  発行年： 2019年 
JST資料番号： W0509A  ISSN： 1063-6706  CODEN： IEFSEV  資料種別： 逐次刊行物 (A)
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： クラスタ化は一般的な方法論を提供し,データ解析とデータ解釈のための非常に豊富な概念的およびアルゴリズム的枠組みをもたらす。ファジィクラスタリングの最も代表的なアルゴリズムの一つとして,ファジィC平均(FCM)は,様々な応用において利用される広く用いられている目的関数ベースのクラスタリング法である。本研究では,仮想ベースのファジィクラスタリングアルゴリズムを提案し,ファジィクラスタリングを用いた結果としての分類性能を改善した。この改良は,元のデータ空間に基づく仮想空間を形成することによって達成される。最初に,著者らは,元のデータの類似性マトリックスを修正するために区分的線形変換関数を構築して,いわゆる仮想類似性マトリックス(VSM)を構築した。VSMを考慮すると,閉鎖性の影響は増幅される。言い換えると,元の類似性行列に存在する高い類似性値(すなわち,本論文における大きくて小さい類似性のカットオフ値である)はより高くなるが,より低い類似性レベル(すなわちαより小さい)はさらに減少する。さらに,元の空間で観察された高い類似性(すなわち,ある閾値より大きい)を持つデータは,仮想空間において著しく重複する(サンプルの属性は正確に同じ)。重複試料は一つの試料として処理できる。この修飾によりクラスタの同定が容易になった。第二に,元のデータセットと決定した類似性値の間の関係行列を構築し,関係行列を構築する問題に対する二つの閉形式解を提示した。次に,元のデータ空間の仮想空間を,修正類似性行列と導入した関係行列を通して導き出した。開発したクラスタリングアルゴリズムの背後にある完全な解析を提供した。実験結果は基礎となる概念的基礎と一致した。さらに,結果として得られた分類性能は,FCMおよびカーネルベースのファジィC-平均によって生成された結果と比較して,著しく改善された。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *曖昧さ ,  データ解析 ,  *クラスタ ,  *仮想空間 ,  クラスタ化 ,  アルゴリズム ,  線形性 ,  目的関数 ,  類似性
準シソーラス用語： 閉形式解 ,  カットオフ値 ,  変換関数 ,  クラスタリングアルゴリズム ,  クラスタリング法 ,  *ファジィクラスタリング , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： ファジィクラスタリング ,  分類 ,  強化 ,  仮想空間 ,  構築