文献

J-GLOBAL ID：202002236496960759   整理番号：20A2555249

K平均と高速密度ピーク探索融合アルゴリズムを用いた重心選択のクラスタリング【JST・京大機械翻訳】

Clustering Centroid Selection using a K-means and Rapid Density Peak Search Fusion Algorithm

著者 (5件)： Zhang Chenyang (Colleges and Universities in Yunnan Minority Language Information Processing Research Centroid, Yunnan Minzu University,Kunming,China,650504) ,  Wang Jiamei (Colleges and Universities in Yunnan Minority Language Information Processing Research Centroid, Yunnan Minzu University,Kunming,China,650504) ,  Li Xinyun (Colleges and Universities in Yunnan Minority Language Information Processing Research Centroid, Yunnan Minzu University,Kunming,China,650504) ,  Fu Fei (Colleges and Universities in Yunnan Minority Language Information Processing Research Centroid, Yunnan Minzu University,Kunming,China,650504) ,  Wang Weiquan (Colleges and Universities in Yunnan Minority Language Information Processing Research Centroid, Yunnan Minzu University,Kunming,China,650504)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICSESS  ページ： 201-207  発行年： 2020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： k平均アルゴリズムにおいて,クラスタの初期重心とK値を選ぶことは難しい。この問題を解決するために,K-CFSFDP法(高速探索によるクラスタ化と密度ピーク(CFSFDP)アルゴリズムとk-平均アルゴリズムの発見)を提案した。本研究では,シルエット係数SILを用いたハイパーパラメータd_cの最適値と二乗SSEの誤差和を得て,d_cの選択を促進し,一方,ウィンドウ選択法あるいは,最初に,ρ_iとΔ_iの積を降順で分類し,次に,California-Irvine(UCI)データセットの大学における傾斜変化傾向を用いた。著者らは,ウィンドウ選択方法が,より安定であり,提案したk-平均とCFSFDP融合アルゴリズムのクラスタ化能力を効果的に強化することを見出した。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 ,  *重心 ,  *クラスタ化 ,  *クラスタ
準シソーラス用語： シルエット ,  選択法 ,  最適値 ,  ハイパーパラメータ ,  高速サーチ , 【Automatic Indexing@JST】

分類 (5件)： 符号理論  (ND02030R) ,  NMR一般  (BM07041R) ,  専用演算制御装置  (JC04030Y) ,  図形・画像処理一般  (JE04010I) ,  音声処理  (JE05000E)

タイトルに関連する用語 (7件)： 平均 ,  密度 ,  探索 ,  融合 ,  アルゴリズム ,  重心 ,  クラスタリング