文献

J-GLOBAL ID：202202219142079548   整理番号：22A0862769

順序計量によるロバストなスペクトルクラスタリング【JST・京大機械翻訳】

Robust Spectral Clustering via the Ordering Metric

著者 (3件)： Li Bingjie (Zhejiang University, Hangzhou, China) ,  Ni Tianhao (Zhejiang University, Hangzhou, China) ,  Zhang Zhenyue (Zhejiang Lab, Hangzhou 311122, CHINA and Zhejiang University, Hangzhou, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 813  ページ： 863-873  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： スペクトルクラスタリングは教師なし学習における最も一般的なアルゴリズムの1つである。しかし,主に識別距離メトリックの欠如のため,スペクトルクラスタリングに有益な親和性グラフを構築することは困難である。本論文では,従来の距離メトリックの弱点により動機づけられ,2つのデータポイントのクラス一貫性を測定するために,順序メトリックと呼ばれる新しいメトリックを提案した。提案した計量に基づいて,スケーラブルなGauss親和性グラフを構築した。順序メトリックは古典的メトリックスよりクラスをより正確に区別することができ,従って,提案した親和性グラフはクラス内接続を同時に強調し,クラス間接続を抑圧できる。これらの利点により,スペクトルアプローチ正規化カットは,明確で正しいクラス情報を含むグラフから低次元投影を達成できる。K-平均のような古典的クラスタリング手法は,クラス間のスペクトル投影の顕著な分離により,これらの投影点を完全にクラスタ化できる。2つの合成2Dデータセットと5つの実世界データセットに関する数値実験は,著者らのアルゴリズムの顕著なクラスタ化性能を示した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 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 ,  グラフ ,  学習 ,  *分類 ,  実験 ,  教師なし学習 ,  *スペクトル ,  クラスタ化 ,  *計量 ,  二次元 ,  親和性 ,  正規化 ,  *ロバスト性
準シソーラス用語： 数値実験 ,  ホップ数 ,  低次元 , 【Automatic Indexing@JST】

著者キーワード (4件)： 教師なし学習 ,  スペクトルクラスタリング ,  親和性グラフ ,  計量学習

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 順序 ,  計量 ,  ロバスト ,  スペクトルクラスタリング