抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
クラスタリングは,教師なし学習において最も広く研究されている問題である。従来のクラスタリングアルゴリズムは,オブジェクトの特徴に基づいて,オブジェクトをクラスタに割当てる。制約クラスタリングは,データセットに関する追加情報が制約の形で与えられる従来のクラスタリングの一般化である。クラスタリング精度が,これらの制約を考慮することにより大幅に改善されることを示した。追加情報が,ある対物対に対して,マストリンクとリンク制約の形で与えられる制約付きクラスタリング問題を考察した。この特定のクラスタリング問題のために様々なアルゴリズムが開発された。リンクとリンク制約を考慮できるバイナリ線形プログラミングベースk平均手法を提案した。計算実験では,提案アルゴリズムをDILS_CCアルゴリズムと比較し,最先端技術を示した。75の問題事例に関する我々の結果は,提案したアルゴリズムがはるかに短い実行時間でDILS_CCアルゴリズムより良いクラスタ化を提供することを示した。Copyright 2021 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】