文献

J-GLOBAL ID：202002225316962652   整理番号：20A0958518

人工知能を用いた不完全混合データセットのための高次元クラスタリング【JST・京大機械翻訳】

High-Dimensional Clustering for Incomplete Mixed Dataset Using Artificial Intelligence

著者 (3件)： Li Meishan (College of Information and Electronic Technology, Jiamusi University, Jiamusi, China) ,  Li Xiaofeng (Department of Information Engineering, Heilongjiang International University, Harbin, China) ,  Li Jing (College of Information and Electronic Technology, Jiamusi University, Jiamusi, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 69629-69638  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 従来のデータセット高次元クラスタリングアルゴリズムにおける高エネルギー消費,高メモリ利用および低クラスタ化効果の問題を扱うために,著者らは人工知能に基づく不完全混合データ集合の高次元クラスタリングアルゴリズムを提案した。最初に,不完全な混合データ集合を分析することによって不完全な混合データ集合の特徴の不変性を確実にするために位相空間再構成を構築して,相関次元を導入して,特徴相関値を得た。第二に,著者らは標準偏差を導入して,サンプル特徴のスパース性を計算することを通して不完全な混合データセットの特徴の抽出を実現した。第3に,多次元部分空間における不完全混合データ集合間の相関の程度に従って,部分空間における混合データ集合に対する反復クラスタリングを行った。最後に,混合データ集合におけるより強い関連性に従って,不完全混合データ集合のための高次元クラスタリング法の設計を実現した。実験結果は,提案したアルゴリズムには良好な相関次元処理効果,より低いメモリ使用,時間のかかる,より低い,集中した集合エネルギー消費(300J以内),良好なクラスタリング効果,92%の高いクラスタリング効果があり,いくつかの利点と実用的応用価値を持っていることを示した。Copyright 2020 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： アルゴリズム ,  位相空間 ,  記憶装置 ,  標準偏差 ,  完全混合 ,  *クラスタ化 ,  *人工知能 ,  再構成 ,  エネルギー消費 ,  *高次元 ,  不変性
準シソーラス用語： 相関次元 ,  スパース性 ,  部分空間 ,  クラスタリングアルゴリズム , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  数値計算  (JE02000J)

タイトルに関連する用語 (5件)： 人工知能 ,  完全混合 ,  データセット ,  高次元 ,  クラスタリング