文献

J-GLOBAL ID：202102273665552944   整理番号：21A2870710

カテゴリーデータをクラスタ化するためのクラスタ中心初期化法【JST・京大機械翻訳】

A cluster centers initialization method for clustering categorical data

著者 (5件)： Bai Liang (Key Laboratory of Computational Intelligence and Chinese Information Processing of Ministry of Education, School of Computer and Information Technology, Shanxi University, Taiyuan 030006, Shanxi, China) ,  Bai Liang (Department of Manufacturing Engineering and Engineering Management, City University of Hong Kong, Hong Kong) ,  Liang Jiye (Key Laboratory of Computational Intelligence and Chinese Information Processing of Ministry of Education, School of Computer and Information Technology, Shanxi University, Taiyuan 030006, Shanxi, China) ,  Dang Chuangyin (Department of Manufacturing Engineering and Engineering Management, City University of Hong Kong, Hong Kong) ,  Cao Fuyuan (Key Laboratory of Computational Intelligence and Chinese Information Processing of Ministry of Education, School of Computer and Information Technology, Shanxi University, Taiyuan 030006, Shanxi, China)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 39  号： 9  ページ： 8022-8029  発行年： 2012年 
JST資料番号： W0178A  ISSN： 0957-4174  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： 主導的分割クラスタリング技術,kモード,はカテゴリーデータのための最も計算効率の良いクラスタリング方法の1つである。しかし,多数の局所極小に収束するkモードクラスタリングアルゴリズムの性能は,初期クラスタ中心に強く依存する。現在,初期化クラスタ中心のほとんどの方法は,主に数値データである。カテゴリーデータに対する幾何学の欠如により,数値データのクラスタ中心初期化に用いるこれらの方法は,カテゴリデータに適用できない。本論文では,kモードアルゴリズムに実装されたカテゴリデータのための新しい初期化手法を提案した。この方法は,距離と密度を一緒に統合し,初期クラスタ中心を選択し,カテゴリデータのための既存の初期化方法の欠点を克服した。実験結果は,提案した初期化法が有効であり,データオブジェクトの数に関して,その線形時間計算量に対する大きなデータセットに適用できることを示した。Copyright 2021 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： 幾何学 ,  *クラスタ化 ,  *クラスタ ,  線形性
準シソーラス用語： 計算効率 , 【Automatic Indexing@JST】

著者キーワード (5件)： kモードアルゴリズム ,  初期化法 ,  初期クラスタ中心 ,  密度 ,  距離

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： カテゴリー ,  クラスタ化 ,  クラスタ ,  初期化