文献

J-GLOBAL ID：202002287799570105   整理番号：20A0340582

データ重力モデルに基づく新しい階層的クラスタリング手法【JST・京大機械翻訳】

A novel hierarchical clustering approach based on data gravitation model

著者 (4件)： Zhang Peng (School of Information and Software Engineering, University of Electronic Science and Technology of China, Chengdu, Sichuan, 610054, China) ,  Zhang Peng (School of Science, Southwest University of Science and Technology, Mianyang, Sichuan, 621010, China) ,  Xiang Xiwang (School of Science, Southwest University of Science and Technology, Mianyang, Sichuan, 621010, China) ,  She Kun (School of Information and Software Engineering, University of Electronic Science and Technology of China, Chengdu, Sichuan, 610054, China)
資料名： Journal of Physics: Conference Series  (Journal of Physics: Conference Series)
巻： 1325  号： 1  ページ： 012106 (5pp)  発行年： 2019年 
JST資料番号： W5565A  ISSN： 1742-6588  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： クラスタリングの目的は,それらの類似性に従ってデータ点をいくつかのクラスタにグループ化することである。グラビテーションの法則に触発されて,オブジェクトとみなされる各データ点をデータ空間に露出させ,他のデータ点のデータ勾配により影響を受ける。本論文では,新しい階層的クラスタリング手法(NGHC)を,局所的データ重力化に基づいて提案した。最初に,データセットを,単純な重力ベースのクラスタリング手法によって中間結果としていくつかのクラスタに分割した。次に,中間クラスタを,満足な結果が得られるまで,2つのクラスタの間のデータ重力を結合する新しい結合測度によって併合した。2つの実世界データセットを用いて,5つの代表的クラスタリングアルゴリズムと比較してNGHCのクラスタリング性能を検証した。結果は,NGHCアルゴリズムが低および高次元データセットに関して最良の性能を得ることを示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *重力 ,  *クラスタ化 ,  測度 ,  類似性 ,  アルゴリズム ,  *重力モデル ,  *クラスタ
準シソーラス用語： 高次元データ ,  クラスタリングアルゴリズム ,  クラスタリング法 ,  *階層的クラスタリング , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 重力モデル ,  クラスタリング手法