文献

J-GLOBAL ID：202202280962910127   整理番号：22A0775238

ビッグデータマイニングのための分割クラスタリングのMaxmin距離ソートヒューリスティックベース初期重心法【JST・京大機械翻訳】

Maxmin distance sort heuristic-based initial centroid method of partitional clustering for big data mining

著者 (2件)： Pandey Kamlesh Kumar (Department of Computer Science & Applications, Sagar, Madhya Pradesh, India) ,  Shukla Diwakar (Department of Computer Science & Applications, Sagar, Madhya Pradesh, India)
資料名： Pattern Analysis and Applications  (Pattern Analysis and Applications)
巻： 25  号： 1  ページ： 139-156  発行年： 2022年 
JST資料番号： W1108A  ISSN： 1433-7541  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： ディジタル通信技術の革命は膨大な量のデータを生み出している。したがって,古典的データの性質は大きいデータに変化し,マイニング技術は高い計算コスト,性能およびスケーラビリティ関連課題に直面しなければならない。K-平均(KM)アルゴリズムは,Kクラスタ,初期重心,距離測度および中心傾向統計的アプローチに依存する最も広く使われている分割クラスタリングアプローチである。初期重心は,KMアルゴリズムの勾配降下特性により,大きなデータクラスタリングにおける計算効率,効率および局所最適問題を決定する。既存の重心初期化アルゴリズムは,反復,距離計算,データおよび結果比較のため,高い計算量で低いクラスタ品質を達成した。これらの欠陥を克服するために,本論文は,層別サンプリング過程を通して大きいデータクラスタ化のためのMaxmin距離Sort Heuristic(MDSH)アルゴリズムを提示する。MDSHKMアルゴリズムの性能を,R平方,根-平均-Square標準偏差,Davies-Boldinスコア,Calinski Harabaszスコア,Silhouette係数,反復数およびCPU時間検証指数を通して,8つの実データセットを用いて,KMおよびKM++アルゴリズムと比較した。実験評価は,MDSHKMアルゴリズムが,KMとKM++アルゴリズムより良いクラスタ品質,計算コスト,効率,および安定収束を達成することを示した。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 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 ,  測度 ,  標準偏差 ,  品質 ,  ディジタル通信 ,  *重心 ,  *クラスタ化 ,  層別 ,  計算量 ,  *クラスタ ,  平均値 ,  CPU時間 ,  *データマイニング
準シソーラス用語： 距離測度 ,  計算効率 ,  計算コスト , 【Automatic Indexing@JST】

著者キーワード (7件)： ビッグデータクラスタリング ,  初期重心アルゴリズム ,  収束速度 ,  層状サンプリング ,  K-means ,  K-means++ ,  MDSHK-平均

分類 (2件)： 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 (3件)： クラスタリング ,  初期 ,  重心