文献

J-GLOBAL ID：202102263488334580   整理番号：21A0893306

密度に基づくDBSCANクラスタリングアルゴリズム【JST・京大機械翻訳】

DBSCAN Clustering Algorithm Based on Density

著者 (1件)： Deng Dingsheng (Sichuan University Nationalities,Kangding,Sichuan,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IFEEA  ページ： 949-953  発行年： 2020年 
JST資料番号： W2441A  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： クラスタリング技術は,データマイニング,パターン認識,機械学習および他の分野で重要な応用を有する。しかし,データの爆発的成長によって,従来のクラスタリングアルゴリズムは,大きいデータ解析のニーズを満たすのにますます難しい。従来のクラスタリングアルゴリズムを改良して,大きいデータのバックグラウンドの下でクラスタ化の品質と効率を確実にする方法は,人工知能と大きいデータ処理の重要な研究トピックになった。密度ベースのクラスタリングアルゴリズムは,未知のデータ分布の場合,任意形状のデータセットをクラスタ化できる。DBSCANは古典的密度ベースクラスタリングアルゴリズムであり,その簡単で効率的な特性によりデータクラスタリング解析に広く用いられている。本論文の目的は,密度に基づくDBSCANクラスタリングアルゴリズムを研究することである。本論文は最初にDBSCANアルゴリズムの概念を導入して,3つの異なるデータセットにおけるDBSCANアルゴリズムに関する性能試験を実行した。実験結果を解析することによって,DBSCANアルゴリズムは,広い値および徐々に疎な前進を有する非一様密度のデータセット上で個別化クラスタ化を実行するとき,より高い均一性および多様性を有すると結論づけることができた。DBSCANアルゴリズム近傍距離epsが1000であるとき,クラスタ化後に26クラスが生成される。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】

シソーラス用語： *アルゴリズム ,  パターン認識 ,  *クラスタ化 ,  人工知能 ,  データ解析 ,  データ処理 ,  性能試験 ,  機械学習 ,  データマイニング
準シソーラス用語： *クラスタリングアルゴリズム ,  データクラスタリング ,  密度ベースクラスタリング , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 密度 ,  クラスタリングアルゴリズム