文献

J-GLOBAL ID：202102251333581359   整理番号：21A0274057

データクラスタリングのためのミニマックスアルゴリズムとPSOアルゴリズムの解析【JST・京大機械翻訳】

Analysis of Min-max Algorithm and PSO Algorithm for Data Clustering

著者 (3件)： Mehta Shashwat (Department of ECE(B-TECH), Manipal Institute of Technology, India) ,  Singh Manmohan (Department of Computer Science (P.H.D), IIT Dhanbad, India) ,  Pamula Rajendra ((Computer Science), IIT Dhanbad, India)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICBDM 2020  ページ： 23-27  発行年： 2020年 
JST資料番号： D0698C  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： 本論文は,クラスタデータにPSO(粒子群最適化)の方式を提示した。それは,ユーザによるクラスタ仕様の重心を見つける際にPSOの使用を出現させることを助けた。次に,最初の部分が初期スウォームを播種するためのK-平均クラスタ化を使用するPSOの2つのセクションに見えて,第2のチャンクは,K-平均によってクラスタ形成を移すためにPSOを使用した。以前の論文と異なり,著者らの評価はいくつかの新しいデータセットに拡張された。また,PSOの利用と応用は,このアルゴリズムが,高速収束速度,微小量のパラメータ,および計算複雑性のない容易な実装などの特性を有する特定の問題に対する包括的アプローチを提供するため,多くの部門(バンキング,テレコミュニケーション,Eコマース,IT産業,病院)において非常に適切である。しかし,このアルゴリズムが初期重量,加速係数(r1およびr2)のようなパラメータに関して学習し,Min-maxK平均であるいくつかの他の教師なしおよび効率的機械学習アルゴリズムに取り込む必要があることを避けるとき,それは特定の落下および壊滅的結果に直面した。本論文は,Min-Max K平均アルゴリズムから初期クラスタ入力を得るアイデアを提案して,G_bestを見つけるためのストレスが初期パラメータだけに頼らず,そして,粒子最良位置(XJ)が,それらの性能を反復学習し,強化するという,改良PSOアルゴリズムに関する因子を使用した。Please refer to this article’s citation page on the publisher website for specific rights information. 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 ,  計算量 ,  *クラスタ ,  通信 ,  スウォーム ,  学習アルゴリズム ,  クラスタ形成 ,  電子商取引
準シソーラス用語： チャンク ,  *粒子群最適化 ,  収束速度 ,  反復学習 ,  *データクラスタリング , 【Automatic Indexing@JST】

著者キーワード (6件)： ファジィCアルゴリズム ,  グローバルベスト ,  ハイブリッドPSO ,  ミニマックスK平均アルゴリズム ,  PSO ,  RNN

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： データクラスタリング ,  アルゴリズム ,  PSOアルゴリズム ,  解析