文献

J-GLOBAL ID：201902279120212877   整理番号：19A0626419

kモードカテゴリーデータクラスタリングのための最適数理計画法と可変近傍探索【JST・京大機械翻訳】

Optimal mathematical programming and variable neighborhood search for k-modes categorical data clustering

著者 (5件)： Xiao Yiyong (School of Reliability and Systems Engineering, Beihang University, Beijing, 100191, China) ,  Huang Changhao (School of Reliability and Systems Engineering, Beihang University, Beijing, 100191, China) ,  Huang Jiaoying (School of Reliability and Systems Engineering, Beihang University, Beijing, 100191, China) ,  Kaku Ikou (Department of Environmental Management, Tokyo City University, Yokohama, 224-8551, Japan) ,  Xu Yuchun (School of Engineering & Applied Science, Aston University, Birmingham, B4 7ET, United Kingdom)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 90  ページ： 183-195  発行年： 2019年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 従来のkモードアルゴリズムとその変種はカテゴリーデータクラスタリングに広く使われてきた。しかし,これらのアルゴリズムはいくつかの欠点を持っている。例えば,それらは局所最適に捕捉され,初期クラスタ/モードに敏感である。著者らの数値実験は,kモードアルゴリズムが,初期中心の選択にかかわらず,いくつかの特別なデータセットに対する最適クラスタリング結果を同定できないことを示した。本論文では,kモードクラスタリングのための整数線形計画法(ILP)アプローチを開発した。これは,初期解に依存せず,小型データセットに対する最適結果を直接得ることができる。また,ILP-VNSとして知られている可変近傍探索のフレームワークに基づくILPアプローチにおける反復部分最適化を実装する発見的アルゴリズムを開発し,制御された計算時間をもつ中規模および大規模データセットの準最適結果を探索した。27の合成小データセットとUCIサイトからの11の既知ベンチマークデータセットを含む38のデータセットに関する実験を行い,提案したILPアプローチとIPO-ILP-VNSアルゴリズムをテストした。実験結果は,文献における従来および他の既存の強化kモードアルゴリズムより優れており,新しい結果および改善された結果をもつUCIベンチマークデータセットの9つを更新した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  数理計画法 ,  中規模 ,  データマイニング ,  *クラスタ ,  *クラスタ化 ,  整数線形計画法 ,  アルゴリズム
準シソーラス用語： 大規模データセット ,  発見的アルゴリズム ,  数値実験 ,  *データクラスタリング ,  *可変近傍法 , 【Automatic Indexing@JST】

著者キーワード (4件)： カテゴリークラスタリング ,  可変近傍探索 ,  データマイニング ,  整数線形計画法

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 数理計画法 ,  可変近傍探索