文献

J-GLOBAL ID：201702215868998810   整理番号：17A0194669

最適化K-MEDOIDSクラスタリングアルゴリズムの探索戦略に関する研究【JST・京大機械翻訳】

Research about Optimizing Search Strategy of K-Medoids Clustering Algorithm

著者 (3件)： Zhu Chun (Institute of Computer and Communication Engineering,Changsha University of Science and Technology) ,  Wu Jianhua (Institute of Computer and Communication Engineering,Changsha University of Science and Technology) ,  Pan Yi (Institute of Computer and Communication Engineering,Changsha University of Science and Technology)
資料名： Jisuanji Fangzhen  (Jisuanji Fangzhen)
巻： 33  号： 10  ページ： 244-248,277  発行年： 2016年 
JST資料番号： C2937A  ISSN： 1006-9348  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 従来のK-MEDOIDSクラスタリングアルゴリズムは初期の中心点に敏感であるので,計算の反復回数が高く,クラスタ化精度が高くないという欠点がある。中心点感度の問題を解決するために,最初に,密度汎化法を用いて,データ集合の各オブジェクトに対してΕ_0-領域を構築し,最大距離法を用いて,K_0-領域のK_0-領域を選択し,そして,対応するΕ_0-領域の中心対象をクラスタ化アルゴリズムのK初期中心として選択した。次に,従来のK-MEDOIDSクラスタリングアルゴリズムの反復数が高く,大域的探索の盲目性を解決するために,初期中心点を中心としてΕ_0-領域探索更新戦略を提案し,クラスタ中心の更新反復数を低減した。同時に,従来のK-MEDOIDSクラスタリングアルゴリズムのクラスタリング精度が低いなどの欠点を解決するために,クラスタ内の距離とクラスタ間の距離の異なる重みを付与する基準関数を提案し,クラスタリングアルゴリズムの評価基準を強化した。改良したアルゴリズムをIRISとWINEデータセットにおいてテストして,実験結果は,初期の中心がそれぞれ異なるクラスタに位置して,アルゴリズムの反復数を減らして,クラスタ化精度を改良することを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： クラスタ化 ,  *クラスタ ,  *最適化 ,  汎化 ,  評価基準 ,  *アルゴリズム
準シソーラス用語： 最大距離 ,  探索戦略 ,  *クラスタリングアルゴリズム , 【Automatic Indexing@JST】

著者キーワード (5件)： Clustering algorithm ,  Local density region ,  Initial center ,  Domain search strategy ,  Weighted criterion function

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 最適化 ,  クラスタリングアルゴリズム ,  探索戦略 ,  研究