文献

J-GLOBAL ID：202202276406574754   整理番号：22A0775722

Dempster-Shafer証拠理論に基づくFCMクラスタリングアルゴリズムのクラスタリング妥当性関数融合法【JST・京大機械翻訳】

Clustering Validity Function Fusion Method of FCM Clustering Algorithm Based on Dempster-Shafer Evidence Theory

著者 (3件)： Wang Hong-Yu (School of Electronic and Information Engineering, University of Science & Technology Liaoning, Anshan, China) ,  Wang Jie-Sheng (School of Electronic and Information Engineering, University of Science & Technology Liaoning, Anshan, China) ,  Wang Guan (School of Electronic and Information Engineering, University of Science & Technology Liaoning, Anshan, China)
資料名： International Journal of Fuzzy Systems  (International Journal of Fuzzy Systems)
巻： 24  号： 1  ページ： 650-675  発行年： 2022年 
JST資料番号： W4469A  ISSN： 1562-2479  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： クラスタリングアルゴリズムに関する研究の深化によって,クラスタリング妥当性はクラスタ分析の不可欠な部分になった。しかし,データ構造と異なる属性の複雑性のために,あらゆるクラスタ化有効性関数をすべてのデータセットに適用することができないので,クラスタ化妥当性関数は,新しいものをもたらした。したがって,本論文は,ベースアルゴリズムとしてFCMクラスタリングアルゴリズムを採用するD-S証拠理論(DS-CVFFM)に基づくクラスタ化有効性関数融合モデルを提案し,種々の有効性関数の値を計算して,次に,基本的確率割当て関数(BPA)を構築するための証拠源として種々のクラスタ化妥当性関数の価値を使用する。最終的に,それはD-S証拠理論の融合規則と統合して,決定条件に従って最適クラスタリング数を出力する。DS-CVFFMは多重クラスタリング妥当性関数の情報融合を用いて,複雑な妥当性関数を提案する必要のない最適クラスタ数を判断し,加重組合せクラスタリング妥当性評価手法におけるエキスパート因子の影響を避ける。最後に,4セットの人工データセットと14セットのUCIデータセットを選択し,提案モデルの有効性を検証した。実験結果は,従来のクラスタ化有効性評価方式と比較して,提案した融合モデルがクラスタの最適数を判断する精度において顕著な改良を有して,安定性がファジィ指数の種々の値の下で改良して,それは伝統的クラスタ化有効性評価方法の欠点を克服することができることを示した。Copyright Taiwan Fuzzy Systems Association 2021 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 ,  *関数 ,  データ構造 ,  組合せ ,  *クラスタ化 ,  多重化 ,  *クラスタ ,  クラスタ分析 ,  *性質 ,  有効性 ,  曖昧さ
準シソーラス用語： 複雑性 ,  *証拠理論 ,  有効性評価 ,  *クラスタリングアルゴリズム ,  Dempster-Shafer証拠理論 , 【Automatic Indexing@JST】

著者キーワード (4件)： D-S証拠理論 ,  FCMクラスタリングアルゴリズム ,  クラスタリング妥当性関数 ,  情報融合

分類 (4件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (7件)： Dempster-Shafer証拠理論 ,  FCM ,  クラスタリングアルゴリズム ,  クラスタリング ,  妥当性 ,  関数 ,  融合