文献

J-GLOBAL ID：202002252221209929   整理番号：20A0533419

充足可能性解決のためのグリッドベースクラスタリング【JST・京大機械翻訳】

Grid based clustering for satisfiability solving

著者 (3件)： Hireche Celia (University of Sciences and Technology Houari Boumediene, Algeria) ,  Drias Habiba (University of Sciences and Technology Houari Boumediene, Algeria) ,  Moulai Hadjer (University of Sciences and Technology Houari Boumediene, Algeria)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 88  ページ： Null  発行年： 2020年 
JST資料番号： W2175A  ISSN： 1568-4946  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： 本研究の独創性は,問題解決のためのデータマイニング技術の開発にある。2つの主要な相は本研究を定義する。最初のものは,後者の分布に基づいて各SATインスタンスを最良にするクラスタリング技術を決定することである。次に,クラスタ化技法を適用して,第二相で独立に解くことができるサブインスタンスを生成することにより,各インスタンスの複雑さを低減した。後者は,DPLLまたはBSOアルゴリズムが各クラスタに割り当てられる変数の数に依存して実行される分解ステップに構成される。この二相分解戦略は,より効率的な問題解決を提供する。本研究では,人工知能(AI)コミュニティに対する重要性と他の複雑な問題に対するその解決の影響により,Boole充足可能性問題(SAT)を考察した。問題の3つの異なる分布を観察した。第1の分布は,変数がより低い密度または空の領域で散在するかなりの密度の分散形成領域である空間を定義する。一方,他の2つの分布は,変数がランダムに散乱されているように,いかなる有意な形状も示さない。これらの2つの分散のうちの1つは,ほとんどすべての変数が高い発生であるという特殊性を持っている。3つの分布の各々に対して,クラスタリング技術を関連させた。密度ベースのクラスタリング技術は,最初の分布のための最も適切なタイプのクラスタリングである。一方,グリッドベースのクラスタリングと頻繁なパターンマイニングは,第2と第3の分布のための最も適切なクラスタリング技術であると思われる。これらの後者の問題について研究を行い,本論文では寄与を示した。実験を公共ベンチマークで行い,結果はSAT問題を解決するためにデータマイニングの前処理段階の重要性を示した。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： *クラスタ化 ,  人工知能 ,  アルゴリズム ,  *クラスタ ,  問題解決 ,  計算量 ,  データマイニング ,  前処理 ,  充足可能性問題 ,  ベンチマーク ,  コミュニティ
準シソーラス用語： パターンマイニング ,  特異性 ,  データマイニング技術 , 【Automatic Indexing@JST】

著者キーワード (8件)： 充足可能性問題 ,  計算の複雑さ ,  問題解決 ,  データマイニング技術 ,  データ分布 ,  グリッドクラスタリング ,  BSO ,  DPLL

分類 (5件)： その他のオペレーションズリサーチの手法  (KA03070E) ,  遺伝子発現  (EC02040Q) ,  医用画像処理  (JE04020T) ,  人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (1件)： 充足可能性