文献

J-GLOBAL ID：202202255440715461   整理番号：22A0960064

高密度コアと密度ピークによる新しい近似スペクトルクラスタリングアルゴリズム【JST・京大機械翻訳】

A Novel Approximate Spectral Clustering Algorithm With Dense Cores and Density Peaks

著者 (5件)： Cheng Dongdong (College of Big Data and Intelligent Engineering, Yangtze Normal University, Chongqing, China) ,  Huang Jinlong (College of Big Data and Intelligent Engineering, Yangtze Normal University, Chongqing, China) ,  Zhang Sulan (College of Big Data and Intelligent Engineering, Yangtze Normal University, Chongqing, China) ,  Zhang Xiaohua (Department of Information and Communication, Hiroshima Institute of Technology, Hiroshima, Japan) ,  Luo Xin (Chongqing Key Laboratory of Big Data and Intelligent Computing, Chinese Academy of Sciences, Chongqing, China)
資料名： IEEE Transactions on Systems, Man, and Cybernetics: Systems  (IEEE Transactions on Systems, Man, and Cybernetics: Systems)
巻： 52  号： 4  ページ： 2348-2360  発行年： 2022年 
JST資料番号： C0425D  ISSN： 2168-2216  CODEN： ITSMFE  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は,様々な特性を有するクラスタの発見において優れた性能を持つため,ますます普及している。しかし,それは高い計算コスト,不安定なクラスタ化結果およびノイズに悩まされる。本研究では,DCDP-ASCと呼ばれる高密度コアと密度ピークに基づく新しい近似スペクトルクラスタリングを示した。それは,最初に,高密度コアの概念を導入することによって,減少したデータセットを見つける。次に,高密度コアの共通近傍に基づく新しい距離を定義し,新しい定義距離に従って高密度コア間の測地距離を計算した。その後,初期中心を得るためのパラメータフリー局所密度と測地距離を持つ決定グラフを構築した。最後に,それらの新しい定義された測地線距離を有する高密度コア間の類似性を計算し,高密度コアを分割するために正規化スペクトルクラスタリング法を採用して,各々の点をその代表に割り当てることによって,全体のデータセットに高密度コアに関する結果を拡大した。いくつかの挑戦的なデータセットに関する結果およびいくつかの他の優れた方法との比較は,提案した方法DCDP-ASCが,多くのノイズを含む複雑な構造化クラスタの同定において,より有利であることを示した。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： 雑音 ,  密度 ,  距離 ,  *近似法 ,  測地線 ,  クラスタ化 ,  *クラスタ ,  類似性 ,  正規化
準シソーラス用語： 高密度 ,  計算コスト ,  *スペクトラルクラスタリング ,  測地距離 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (5件)： コア ,  密度 ,  近似 ,  スペクトル ,  クラスタリングアルゴリズム