文献

J-GLOBAL ID：202202283805500355   整理番号：22A1019076

連結性推定による密度ピーククラスタリング【JST・京大機械翻訳】

Density Peak Clustering with connectivity estimation

著者 (6件)： Guo Wenjie (Zhejiang University NGICS Platform, College of Control Science and Engineering, Zhejiang University, Hangzhou 310027, China) ,  Wang Wenhai (Zhejiang University NGICS Platform, College of Control Science and Engineering, Zhejiang University, Hangzhou 310027, China) ,  Zhao Shunping (Radiation Environment Monitoring Technology Center, Ministry of Ecology and Environment, Hangzhou 310012, China) ,  Niu Yunlong (Radiation Environment Monitoring Technology Center, Ministry of Ecology and Environment, Hangzhou 310012, China) ,  Zhang Zeyin (Mathematics Department, Zhejiang University, Hangzhou 310027, China) ,  Liu Xinggao (Zhejiang University NGICS Platform, College of Control Science and Engineering, Zhejiang University, Hangzhou 310027, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 243  ページ： Null  発行年： 2022年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 2014年には,密度ピーククラスタリング(DPC)と呼ばれる新しいクラスタリングアルゴリズムがジャーナル科学で提案され,その単純さと有効性のために多くの分野で大きな注目を受けてきた。しかし,経験的研究は,DPCが2つの主な欠陥を持つことを証明した。DPCによって提供される決定グラフにおける真のクラスタ中心を同定することは,特に非球面形状と非一様密度を有するクラスタを扱うとき,非常に難しい。DPCの性能は,Δπ鎖反応,すなわち,領域の最も高い密度を有する点の不正確な帰属が,同じ間違ったクラスタにこの領域のすべての点をもたらすであろう。これら2つの欠陥に対処するために,連結性推定(DPC′′-CE)による密度ピーククラスタ化を提示した。改良アルゴリズムにおいて,より高い相対距離を有するポイントを,更なる計算のための局所中心として選択した。次に,グラフベースの戦略を提案して,局所中心間の連結性情報を推定した。推定情報を用いて,ユークリッド距離と連結性情報の両方を考慮する距離罰を,距離計算に連結性情報を加えることによって,局所中心間の類似性を再評価するためにさらに適用して,DPC-CEは,任意の形状と非均一密度を有するクラスタに関して,正確に,また,任意の形状と非均一密度を有するクラスタに関して,また,すべての局所中心を,正確に,また,それらの局所中心は,正しく,そして,また,これらの局所中心を,任意の形状および非均一密度のクラスタ上で,正しく,そして,また,これらの局所中心は,さらに,それらのまわりで,すべての局所中心を,任意の形状および不均一密度を有するクラスタ上で,また,また,これらの局所中心は,正しく,そして,また,これらの局所中心は,さらに,それらのまわりで,すべての点を,正しく,そして,これらの局所中心は,正しく,そして,3つの評価計量に関して,DPC-CEの有効性およびロバスト性を示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. 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 ,  密度 ,  学習 ,  距離 ,  クラスタ化 ,  *クラスタ ,  類似性 ,  有効性 ,  連結性 ,  ロバスト性
準シソーラス用語： 罰 ,  再評価 ,  Euclid距離 ,  非球面 ,  クラスタリングアルゴリズム ,  距離計算 , 【Automatic Indexing@JST】

著者キーワード (5件)： クラスタリング ,  密度ピーク ,  ローカルセンター ,  連結性推定 ,  距離罰

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 連結性 ,  推定 ,  密度 ,  クラスタリング