文献

J-GLOBAL ID：202202211945946446   整理番号：22A0848929

分散ファジィK-Medoidに基づくビッグデータのクラスタリング:地理空間情報学への応用【JST・京大機械翻訳】

Clustering Big Data Based on Distributed Fuzzy K-Medoids: An Application to Geospatial Informatics

著者 (4件)： Madbouly Magda M. (Department of Information Technology, Institute of Graduate Studies and Research, Alexandria University, Alexandria, Egypt) ,  Darwish Saad M. (Department of Information Technology, Institute of Graduate Studies and Research, Alexandria University, Alexandria, Egypt) ,  Bagi Noha A. (IT Engineer and Senior Programmer, Alexandria Water Company, Alexandria, Egypt) ,  Osman Mohamed A. (Management Information System Department, Higher Institute of Management Information Technology, Kafr El-Sheikh, Egypt)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 20926-20936  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 地理空間ビッグデータと呼ばれる空間位置知識に関連した大きなデータの出現は,都市環境を認識する機会を与える。既存のデータベース処理方法は,近似”測度”を定義する必要性とクエリのための実行時間の増加のために,地理空間ビッグデータコンテキストにおける信頼できる結果を迅速に提供するのに不適切である。クラスタリング法は機能的効果をもたらす。一方,高いクラスタリング効率を維持しながら,クラスタ化アルゴリズムをいかにスケールし,加速するかは,大きな課題のままである。本論文は,大きなデータのための空間質問解析に特異的である改良階層的分散k-medoidクラスタリング法の導入である。k-medoidアルゴリズムの効率を改善し,より正確なクラスタを得るために,提案モデルはファジィk-Medoid法を用いて,空間データセットにおける異常値を克服し,データ不確実性を扱う。方法は,それが正しいクラスタの数に関して予測されないので,本質的に複雑である。提案モデルは2つの相に分割される:第一段階は全体データセットの部分に基づく局所クラスタを生成する。この段階は,Apache Sparkフレームワークによって提供される並列性パラダイムの広範囲な利用をした。そして,第2相は局所クラスタを形成し,コンパクトで信頼性のある最終クラスタを生成した。提案モデルは,集約プロセスの間に共有される知識の量を大幅に減らし,データセット特性に基づくクラスタの適切な数を自動的に生成する。結果は,提案モデルが,大きいデータ応用における得られたセンターの精度に関して,従来のK-medoidsより優れていることを示した。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： アルゴリズム ,  測度 ,  信頼性 ,  データ ,  データベース ,  近似法 ,  *クラスタ化 ,  *クラスタ ,  異常値 ,  都市環境
準シソーラス用語： 実行時間 ,  *地理情報 ,  クエリー ,  クラスタリング法 ,  *ビッグデータ , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： ファジィ ,  ビッグデータ ,  クラスタリング ,  地理空間情報 ,  応用