文献

J-GLOBAL ID：202002251297470513   整理番号：20A0196209

高次元データのファジィクラスタリング検証における数値不安定性の評価【JST・京大機械翻訳】

Evaluating the numerical instability in fuzzy clustering validation of high-dimensional data

著者 (2件)： Eustaquio Fernanda (Computer Science Department, Federal University of Bahia at Salvador, BA 40170-110, Brazil) ,  Nogueira Tatiane (Computer Science Department, Federal University of Bahia at Salvador, BA 40170-110, Brazil)
資料名： Theoretical Computer Science  (Theoretical Computer Science)
巻： 805  ページ： 19-36  発行年： 2020年 
JST資料番号： T0022A  ISSN： 0304-3975  CODEN： TCSDIQ  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： 高次元データセットのファジィクラスタリング検証は信頼できるクラスタ妥当性指標(CVI)を用いてのみ可能である。良好なCVIは,データ構造を正しく認識しなければならず,その検証は,クラスタリングアルゴリズムやデータ特性の任意のパラメータに独立していなければならない。しかしながら,いくつかの古典的ファジィCVIsは,分割係数(PC),分割エントロピー(PE),および福山-Sugeno(FS)として,クラスタの数の関数における単調な傾向を持っている。文献はそのような傾向についての広範な研究を提示しているが,そのようなデータ特性がクラスタ化挙動に影響しない低次元データに対して行われた。このような側面が高次元データのファジィクラスタリング結果にどのように影響するかを調べるために,本研究では,ファジィc-Meansアルゴリズムを用いて,13の実データセットのオブジェクトをクラスタ化した。ファジィ分割をPC,PE,FSにより検証し,それらのいくつかの提案した改良により単調な傾向を導き,8つのファジィCVIsを分析した。CVIsによって選択されたクラスタの数について行った解析の他に,Mann-Kendall試験を行い,CVIs結果の単調な傾向を統計的に検証した。作成した2つの解析から,修正分割係数とスケール分割エントロピー指数は,それぞれPCとPE指数を改善するのに成功した。Copyright 2020 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： *クラスタ ,  エントロピー ,  曖昧さ ,  アルゴリズム ,  クラスタ化 ,  データ構造
準シソーラス用語： 低次元 ,  クラスタリングアルゴリズム ,  *ファジィクラスタリング ,  高次元データ , 【Automatic Indexing@JST】

著者キーワード (6件)： ファジィクラスタリング検証 ,  ファジィクラスタ妥当性指標 ,  ファジィc-平均 ,  単調傾向 ,  クラスタの数 ,  高次元データ

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z) ,  グラフ理論基礎  (IA02020S)

タイトルに関連する用語 (5件)： 高次元データ ,  ファジィクラスタリング ,  検証 ,  数値不安定性 ,  評価