文献

J-GLOBAL ID：202202269513737124   整理番号：22A1101316

近傍構造保存によるロバストな結合スパースファジィクラスタリング【JST・京大機械翻訳】

Robust Jointly Sparse Fuzzy Clustering With Neighborhood Structure Preservation

著者 (6件)： Zhou Jie (College of Computer Science and Software Engineering, Shenzhen University, and SZU Branch, Shenzhen Institute of Artificial Intelligence and Robotics for Society, Shenzhen, Guangdong, China) ,  Pedrycz Witold (Department of Electrical and Computer Engineering, University of Alberta, Edmonton, AB, Canada) ,  Gao Can (College of Computer Science and Software Engineering, Shenzhen University, and SZU Branch, Shenzhen Institute of Artificial Intelligence and Robotics for Society, Shenzhen, Guangdong, China) ,  Lai Zhihui (College of Computer Science and Software Engineering, Shenzhen University, and SZU Branch, Shenzhen Institute of Artificial Intelligence and Robotics for Society, Shenzhen, Guangdong, China) ,  Wan Jun (College of Computer Science and Software Engineering, Shenzhen University, and SZU Branch, Shenzhen Institute of Artificial Intelligence and Robotics for Society, Shenzhen, Guangdong, China) ,  Ming Zhong (College of Computer Science and Software Engineering, Shenzhen University, and SZU Branch, Shenzhen Institute of Artificial Intelligence and Robotics for Society, Shenzhen, Guangdong, China)
資料名： IEEE Transactions on Fuzzy Systems  (IEEE Transactions on Fuzzy Systems)
巻： 30  号： 4  ページ： 1073-1087  発行年： 2022年 
JST資料番号： W0509A  ISSN： 1063-6706  CODEN： IEFSEV  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： ファジィクラスタリング技術,特にファジィC平均(FCM)とその加重変形は,データにおける可能な隠れ構造を明らかにするために広く使われる典型的な部分クラスタ化モデルである。それらは分割行列を持つ重複領域を定量的に描写できるが,距離計算が無関係な特徴によって負の影響を受けるので,それらの性能は高次元データを扱うときに劣化し,次に濃度効果が発生する可能性がある。さらに,それらは雑音の多い環境に敏感である。これらの障害に取り組むために,ロバスト共同スパースファジィクラスタリング法(RJSFC)を本研究で提案する。RJSFCを最適化するとき,代表的プロトタイプ,スパースメンバーシップ等級,および直交射影行列を同時に学習する。得られた低次元埋込みは局所近傍構造を保存でき,クラスタ化は元の空間よりも変換された低次元空間で行われ,高次元シナリオを扱うためのファジィクラスタリングの能力を改善する。さらに,{L_{2,1}-ノルムを,RJSFCにおける損失と正則化部分の両方に対する基本計量として活用し,モデルのロバスト性と抽出した特徴の解釈性を強化した。ファジィクラスタリング,近傍構造保存,および特徴抽出の概念を統一モデルにシームレスに統合した。次元縮小とクラスタリング手順を別々に伴う高次元データを扱うときの以前の2段階クラスタリングフレームワークの限界は,効果的に対処できる。種々のよく知られたデータセットに関する広範な実験結果は,いくつかの最先端の方法と比較して,RJSFCの有用性を実証した。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： 最適化 ,  雑音 ,  特徴抽出 ,  クラスタ化 ,  統一模型 ,  *クラスタ分析 ,  正則化 ,  高次元 ,  次元縮小 ,  曖昧さ ,  *ロバスト性 ,  ノルム ,  プロトタイプ
準シソーラス用語： *ファジィクラスタリング ,  低次元 ,  高次元データ , 【Automatic Indexing@JST】

分類 (2件)： 音響信号処理  (BB03050C) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 近傍 ,  保存 ,  ロバスト