文献

J-GLOBAL ID：201902267351789081   整理番号：19A2520940

すべての特徴量を持つランダム特徴マップに基づく多重カーネルファジィクラスタリング【JST・京大機械翻訳】

Random Feature Map-Based Multiple Kernel Fuzzy Clustering with All Feature Weights

著者 (6件)： Wang Yingxu (Shandong Provincial Key Laboratory of Network Based Intelligent Computing, University of Jinan, Jinan, China) ,  Wang Yingxu (Department of Computer and Information Science, University of Macau, Macau, China) ,  Dong Jiwen (Shandong Provincial Key Laboratory of Network Based Intelligent Computing, University of Jinan, Jinan, China) ,  Zhou Jin (Shandong Provincial Key Laboratory of Network Based Intelligent Computing, University of Jinan, Jinan, China) ,  Xu Guangmei (Shandong Provincial Key Laboratory of Network Based Intelligent Computing, University of Jinan, Jinan, China) ,  Chen Yuehui (Shandong Provincial Key Laboratory of Network Based Intelligent Computing, University of Jinan, Jinan, China)
資料名： International Journal of Fuzzy Systems  (International Journal of Fuzzy Systems)
巻： 21  号： 7  ページ： 2132-2146  発行年： 2019年 
JST資料番号： W4469A  ISSN： 1562-2479  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： カーネルクラスタリング法は,データに隠された非線形構造を発見するのに有用であるが,カーネル選択と高い計算複雑さの困難さを被っている。本論文において,著者らは,すべての特徴重みを有する新規ランダム特徴マップベースの多重カーネルファジィクラスタリング法を提案して,それにおいて,多重カーネルの低ランクランダム化特徴をランダムFourier特徴マップおよび擬似モンテカルロ特徴マップによって生成して,最大エントロピー技術を適用して,すべての特徴属性の重みを最適化した。提案方法は,良いクラスタリング結果を達成するために,カーネルの重要なカーネルと重要な属性を抽出するために効果的である。さらに,従来のカーネルクラスタリング法と比較して,著者らの方法はより多くの時間節約であり,大規模データセットに利用可能である。種々のデータセットに基づく実験は,提案方法の優位性と効率を示した。Copyright 2019 Taiwan Fuzzy Systems Association Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： モンテカルロ法 ,  *クラスタ化 ,  *多重化 ,  非線形構造 ,  最適化 ,  計算量
準シソーラス用語： 大規模データセット ,  最大エントロピー ,  クラスタリング法 ,  *特徴マップ ,  *特徴量 , 【Automatic Indexing@JST】

著者キーワード (3件)： 多重カーネルクラスタリング ,  ランダム特徴マップ ,  すべての特徴量

分類 (2件)： システム・制御理論一般  (IA02010H) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 特徴量 ,  特徴マップ ,  多重 ,  カーネル ,  ファジィクラスタリング