文献

J-GLOBAL ID：202202256990595818   整理番号：22A0895744

人工藻類アルゴリズムによるクラスタリング解析【JST・京大機械翻訳】

Clustering analysis through artificial algae algorithm

著者 (3件)： Turkoglu Bahaeddin (Department of Computer Engineering, Faculty of Engineering and Natural Sciences, Konya Technical University, Konya, Turkey) ,  Uymaz Sait Ali (Department of Computer Engineering, Faculty of Engineering and Natural Sciences, Konya Technical University, Konya, Turkey) ,  Kaya Ersin (Department of Computer Engineering, Faculty of Engineering and Natural Sciences, Konya Technical University, Konya, Turkey)
資料名： International Journal of Machine Learning and Cybernetics  (International Journal of Machine Learning and Cybernetics)
巻： 13  号： 4  ページ： 1179-1196  発行年： 2022年 
JST資料番号： W4478A  ISSN： 1868-8071  資料種別： 逐次刊行物 (A)
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： クラスタ分析は,文書グループ化,画像認識,Web検索,ビジネスインテリジェンス,バイオ情報,および医学のような多くの分野で広く使われている。異なるクラスタリングアプローチによる多くのアルゴリズムが文献で提案されている。容易かつ直接的であるので,K-平均およびK-medoidのような分割法は,最も一般的に使用されるアルゴリズムである。これらは,クラスタリング品質を徐々に改善し,初期パラメータに大きく依存し,局所最適を縮退する greedy欲な方法である。この理由のために,近年,発見的最適化法がクラスタリングにおいて用いられてきた。これらの発見的方法は,それらが局所最適を逃れるいくつかの機構を持つので,成功した結果を提供できる。本研究では,初めて人工Algaeアルゴリズムをクラスタ化に用い,10のよく知られたバイオインスパイアードメタヒューリスティッククラスタリングアプローチと比較した。提案したAAAクラスタリング効率を,統計的解析,収束速度解析,Wilcoxon検定,および異なるクラスタ評価尺度を用いて,異なる困難レベル(特徴および事例)を有する25のよく知られた公開データセットに関して評価した。結果は,AAAクラスタリング法が,他の既存の発見的クラスタリング技術よりも高い収束速度でより正確な解を提供することを実証した。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 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 ,  最適化 ,  品質 ,  *クラスタ化 ,  発見的方法 ,  *クラスタ ,  クラスタ分析 ,  分割法 ,  パラメータ ,  評価基準 ,  文書 ,  画像認識
準シソーラス用語： 収束速度 ,  ウェブ検索 ,  評価尺度 ,  クラスタリング法 , 【Automatic Indexing@JST】

著者キーワード (3件)： データクラスタリング ,  クラスタリング解析 ,  人工藻類アルゴリズム

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 人工 ,  藻類 ,  アルゴリズム ,  クラスタリング ,  解析