文献

J-GLOBAL ID：202002235893624871   整理番号：20A2219022

クラスタリング問題のためのカーネル直感ファジィc平均と状態遷移アルゴリズム【JST・京大機械翻訳】

Kernel intuitionistic fuzzy c-means and state transition algorithm for clustering problem

著者 (6件)： Zhou Xiaojun (School of Automation, Central South University, Changsha, China) ,  Zhou Xiaojun (The Peng Cheng Laboratory, Shenzhen, Changsha, China) ,  Zhang Rundong (School of Automation, Central South University, Changsha, China) ,  Wang Xiangyue (School of Automation, Central South University, Changsha, China) ,  Huang Tingwen (Texas A&M University at Qatar, Doha, Qatar) ,  Yang Chunhua (School of Automation, Central South University, Changsha, China)
資料名： Soft Computing  (Soft Computing)
巻： 24  号： 20  ページ： 15507-15518  発行年： 2020年 
JST資料番号： W1043A  ISSN： 1432-7643  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： クラスタ化問題は機械学習,パターン認識,画像分析,情報科学などに広く存在し,多くのクラスタリングアルゴリズムが提案されているが,すべてのタイプのデータセットに適したクラスタリングアルゴリズムを見つけるのは実用的ではない。ファジィc平均(FCM)は,それが効率的で,直接的で,実行が容易である理由のために,最も頻繁に使用されるファジィクラスタリングアルゴリズムの1つである。しかし,類似性測定としてユークリッド距離を取り入れる従来のFCMは,2つのクラスタの間の交差を区別することができなかった。したがって,カーネル関数を,この問題を解決するための類似性測定として取り上げた。包括的分割判定基準として,メンバーシップ度と非メンバーシップ度の両方を考慮する直観論理ファジィ集合を用いて,伝統的ファジィ集合を置換して,より繊細な客観的現象の自然属性を記述した。したがって,カーネル直観的ファジィc-平均(KIFCM)を,クラスタ化問題を解決するために本論文で提案した。FCMは,初期重心に対する高感度のため,局所最適にトラップされる。状態遷移アルゴリズム(STA)を採用して,その安定性を強化する初期重心を得た。5つのベンチマークデータセットを用いて,いくつかの他のクラスタリングアルゴリズムと比較して,提案したSTA-KIFCMを実行した。実験結果は,提案方法が効率的であり,有望な結果を明らかにすることができるだけではなく,また,提案方法が高精度を達成できることを示した。Copyright Springer-Verlag GmbH Germany, part of Springer Nature 2020 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 ,  パターン認識 ,  情報科学 ,  重心 ,  *クラスタ化 ,  ファジィ集合 ,  *クラスタ ,  画像分析 ,  判定基準 ,  ベンチマーク ,  曖昧さ ,  機械学習
準シソーラス用語： Kernel関数 ,  Euclid距離 ,  クラスタリングアルゴリズム , 【Automatic Indexing@JST】

著者キーワード (5件)： クラスタリング問題 ,  状態遷移アルゴリズム ,  カーネル関数 ,  直観的ファジィ集合 ,  ファジィc平均

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： クラスタリング ,  問題 ,  カーネル ,  直感 ,  ファジィ ,  平均 ,  状態遷移 ,  アルゴリズム