文献

J-GLOBAL ID：201902273086242077   整理番号：19A0526707

多次元データベースのための効率的な密度ベースクラスタリング【JST・京大機械翻訳】

An efficient density-based clustering for multi-dimensional database

著者 (5件)： Zhang Lieliang (College of Information Science and Technology, Dalian Maritime University, Dalian, China) ,  Li Zhiyang (College of Information Science and Technology, Dalian Maritime University, Dalian, China) ,  Liu Weijiang (College of Information Science and Technology, Dalian Maritime University, Dalian, China) ,  Qu Wenyu (School of Computer Software, Tianjin University, Tianjin, China) ,  Wu Yinan (87 Unit, 91550 of PLA, Dalian, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCSS  ページ： 361-366  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： クラスタ分析は,類似性に従ってデータ要素を異なるカテゴリに分類することを目的とする。それはデータマイニングにおける一般的タスクであり,パターン認識,機械学習,情報検索などを含む様々な分野において有用である。広範な研究領域として,多くのクラスタリング法が文献で提案されている。それらの間で,いくつかの方法を任意の形状を有するマイニングクラスタに焦点を合わせた。しかし,大規模で多次元のデータを扱うとき,これらの多次元空間に埋め込まれる可能性のあるこれらの任意の形状を同定するために,効率的で汎用的なクラスタリング法の必要性がある。本論文では,分割統治戦略を採用した密度ベースのクラスタリングアルゴリズムを提案した。大規模で多次元のデータを扱うために,まず格子セルによってデータを分割する。他のアルゴリズムがしばしば失敗する大規模な場合には非常に効率的である。さらに,格子セル幅を調整するよりも,格子セル幅を自動的に決定する方法を示した。次に,これらの格子セル上で任意の形状を持つクラスタを同定するために,フラッディング充填のようなアルゴリズムを提案した。最後に,広範な実験を合成データベースと実世界データベースの両方で行い,提案したアルゴリズムが低次元と多次元データベースの両方において正確なクラスタを効率的に見出すことを示した。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： *クラスタ ,  情報検索 ,  クラスタ分析 ,  *高次元 ,  *データベース ,  アルゴリズム ,  データマイニング ,  機械学習 ,  フラッディング ,  類似性 ,  パターン認識
準シソーラス用語： クラスタリングアルゴリズム ,  ガバナンス ,  クラスタリング法 ,  *多次元データ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 多次元 ,  データベース ,  密度ベースクラスタリング