文献

J-GLOBAL ID：202102288110783167   整理番号：21A0311311

KNNとグラフラベル伝搬を組み合わせた密度ピーククラスタリングアルゴリズム【JST・京大機械翻訳】

Density peak clustering algorithm combined with KNN and label propagation

著者 (3件)： Wu Chenwen (蘭州交通大学電子与信息工程学院,甘粛蘭州730070) ,  Jiang Yufan (蘭州交通大学電子与信息工程学院,甘粛蘭州730070) ,  Ma Ning (蘭州交通大学電子与信息工程学院,甘粛蘭州730070)
資料名： Xibei Daxue Xuebao. Ziran Kexue Ban  (Xibei Daxue Xuebao. Ziran Kexue Ban)
巻： 50  号： 6  ページ： 979-986  発行年： 2020年 
JST資料番号： C3019A  ISSN： 1000-274X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 密度ピーククラスタリングアルゴリズム(DPC)は密度に基づく高効率クラスタリングアルゴリズムであり,このアルゴリズムはパラメータが少なく,クラスタリング速度が速く,非球形クラスタ状が発見できるなどの利点を持つが,従来のDPCアルゴリズムの切断距離パラメータの選択には人工的介入が必要である。さらに,残留データ点のラベル割当は「ドミノ」連鎖効果によって影響を受けやすい。これらの問題に照準を定めて,KNNとグラフラベル伝搬を組み合わせた密度ピーククラスタリングアルゴリズム(DPC-NNLP)を提案し,KNNのアイデアに基づいて,各サンプルデータ点の局所的密度を計算し,KNNアルゴリズムによって形成した最隣接点構造の局所密度の主幹領域を構築した。密度ベースのKNNグラフを用いて,最終クラスタを形成するために,ラベルを残りの点に割り当てた。このアルゴリズムは各データ点間の相関性を考慮し、各種の形状と密度の差異性が大きいデータをクラスタリングすることができる。複数のデータセットで実験シミュレーションを行い、比較検証により、本論文で提案した密度ピーククラスタリングアルゴリズムは多くの場合クラスタリング効果が他のアルゴリズムより優れていることが分かった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  シミュレーション ,  *クラスタ化 ,  *クラスタ
準シソーラス用語： 高効率 ,  *クラスタリングアルゴリズム ,  *ラベル伝搬 , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： KNN ,  グラフ ,  ラベル伝搬 ,  密度 ,  クラスタリングアルゴリズム