文献

J-GLOBAL ID：202202289645047279   整理番号：22A1036959

密度ピークに基づく適応混合属性データクラスタリング法【JST・京大機械翻訳】

Adaptive Mixed-Attribute Data Clustering Method Based on Density Peaks

著者 (2件)： Liu Shihua (School of Artificial Intelligence, Wenzhou Polytechnic, Wenzhou 325035, China) ,  Liu Shihua (Wenzhou Network Security Detection and Protection Engineering Technology Research Center, Wenzhou 325035, China)
資料名： Complexity  (Complexity)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： W2044A  ISSN： 1076-2787  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 混合属性データのクラスタ化は,重要で挑戦的な問題である。密度ピーククラスタリングアルゴリズムは,簡単で効率的な解をもたらすが,主に数値属性データクラスタリングに焦点を合わせ,適応できない。本論文では,そのようなアルゴリズムの適応改善法を研究し,AMDPCと呼ばれる密度ピークに基づく適応混合属性データクラスタリング法を提案した。このアルゴリズムでは,距離行列を構築するために,混合属性データの統一距離メトリックを用いて,K最近傍に基づく局所密度を計算し,3つの変曲点に基づくクラスタ中心の自動決定法を提案した。California-Irvine(UCI)データセットの実大学に関する実験結果は,提案したAMDPCアルゴリズムが混合属性データの適応クラスタ化を実現でき,クラスタの正確な数を自動的に獲得することができ,そして,従来のK-プロトタイプアルゴリズムと比較して,それぞれ,22.5%および10.12%,22.5%,および10.12%によって,22.5%,および10.12%,および,従来のK-プロトタイプアルゴリズムと比較して,それぞれ,22.5%,および10.12%まで,すべてのデータセットのクラスタ化精度を,それぞれ,22.5%,および10.12%だけ改善することを示した。。”結論]は,従来のK-プロトタイプアルゴリズムと比較して,それぞれ,22.5%,および10.12%まで,22.5%,および10.12%だけのクラスタ化精度を,それぞれ,22.58%,22.5%,および10.12%だけ改善することを示した。また,混合属性データ(DPC_M)アルゴリズムに対する修正密度ピーククラスタリングアルゴリズムを凌駕した。Copyright 2022 Shihua Liu. 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 ,  効率 ,  *混合 ,  密度 ,  精度 ,  適応 ,  クラスタ化 ,  *クラスタ ,  数値 ,  *属性
準シソーラス用語： ホップ数 ,  *データクラスタリング ,  クラスタリング法 ,  *属性データ , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

引用文献 (46件)：

• Y. Chen, H. Zhang, L. Liu, J. Tao, Q. Zhang, K. Yang, R. Xia, J. Xie, "Research on image inpainting algorithm of improved total variation minimization method," Journal of Ambient Intelligence and Humanized Computing, 2021.
• Y. Chen, L. Liu, J. Tao, R. Xia, Q. Zhang, K. Yang, J. Xiong, X. Chen, "The improved image inpainting algorithm via encoder and similarity constraint," The Visual Computer, vol. 37, no. 7, pp. 1691-1705, 2021.
• Y. Chen, L. Liu, V. Phonevilay, K. Gu, R. Xia, J. Xie, Q. Zhang, K. Yang, "Image super-resolution reconstruction based on feature map attention mechanism," Applied Intelligence, vol. 51, no. 7, pp. 4367-4380, 2021.
• S. H. Liu, L. Z. Shen, D. C. Huang, "A three-stage framework for clustering mixed data," WSEAS Transactions on Systems, vol. 15, pp. 1-10, 2016.
• Z. Huang, "Clustering large data sets with mixed numeric and categorical values," Proceedings of the 1st Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD), pp. 21-34, Kuala Lumpur, Malaysia, May 1998.

タイトルに関連する用語 (4件)： 密度 ,  適応 ,  属性データ ,  クラスタリング法