文献

J-GLOBAL ID：202202210983631250   整理番号：22A0483145

大規模スパースグラフのための高速圧縮スペクトルクラスタリング【JST・京大機械翻訳】

Fast Compressive Spectral Clustering for Large-Scale Sparse Graph

著者 (5件)： Li Ting (NiceX Lab and AI Platform Division of Urban Computing Business Unit, JingDong Digits, Beijing Economic and Technological Development Area, Beijing, China) ,  Zhang Yiming (Department of Computer Science and Engineering, NiceX Lab, Shanghai Jiao Tong University, Shanghai, China) ,  Liu Hao (Business Intelligence Lab, Baidu Research, National Engineering Laboratory of Deep Learning Technology and Application, Beijing, China) ,  Xue Guangtao (Department of Computer Science and Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Liu Ling (School of Computer Science, Georgia Institute of Technology, Atlanta, GA, USA)
資料名： IEEE Transactions on Big Data  (IEEE Transactions on Big Data)
巻： 8  号： 1  ページ： 193-202  発行年： 2022年 
JST資料番号： W2442A  ISSN： 2332-7790  資料種別： 逐次刊行物 (A)
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： スペクトルクラスタリング(SC)は,産業製品分析に広く使用されている教師なし学習法である。圧縮スペクトルクラスタリング(CSC)は,グラフフィルタとランダムサンプリング技術を利用してクラスタリングを効果的に加速する。しかし,CSCは2つの主要な問題を受ける。最初に,ラプラシアン行列のkkth固有値を推定するための二分法と固有計数法の直接使用は,高価である。第2に,補間の計算は,各反復においてあらゆるクラスタに対して行列ベクトル積を繰り返す必要があるので,時間がかかる。これらの問題に取り組むために,高速圧縮スペクトルクラスタリング(FCS)と呼ばれる新しい方法を提案した。提案手法は,固有値が局所均一分布を近似的に満足し,雑音除去したラプラシアン行列を再構成するために低次元表現を持つノード間のペアワイズ類似性を再計算することにより,第2問題を扱うことによって,最初の問題を扱う。再構成の時間複雑性はLaplace行列における非ゼロの数で線形である。人工的および実世界データセットの両方で実験的に実証されるように,提案手法は,以前の設計に匹敵する高いクラスタリング精度を維持しながら計算時間を著しく短縮し,FCSCの有効性を実証した。Copyright 2022 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： 固有値 ,  フィルタ ,  教師なし学習 ,  内挿法 ,  近似法 ,  *クラスタ化 ,  計数法 ,  再構成 ,  *クラスタ ,  類似性 ,  有効性 ,  無作為抽出 ,  雑音除去
準シソーラス用語： 複雑性 ,  Laplacian行列 , 【Automatic Indexing@JST】

分類 (3件)： 数値計算  (JE02000J) ,  パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (3件)： 大規模 ,  グラフ ,  スペクトルクラスタリング