文献

J-GLOBAL ID：201702268639868908   整理番号：17A0106706

高次元データにおける近隣伝搬クラスタの次元縮小研究【JST・京大機械翻訳】

Research of Affinity Propagation Clustering Dimension Reduction on High-dimensional Data

著者 (3件)： Li Jiejia (School of Information and Control Engineering, Shenyang Jianzhu University) ,  Guo Pengcheng (School of Information and Control Engineering, Shenyang Jianzhu University) ,  Han Zhonghua (School of Information and Control Engineering, Shenyang Jianzhu University, Key Laboratory of Networked Control System, CAS)
資料名： Kongzhi Gongcheng  (Kongzhi Gongcheng)
巻： 23  号： 9  ページ： 1418-1422  発行年： 2016年 
JST資料番号： C2953A  ISSN： 1671-7848  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： 近傍伝搬(AP)クラスタリングは,高次元空間においてより良いクラスタ化効果を得るために使用される。本論文では,スペクトル解析に基づく近傍伝搬クラスタ化(方法)を提案した。最初に,スペクトル解析技術を用いて,高次元非線形のデータ点集合を,ほぼ線形の部分空間に写像し,そして,高次元データを,低次元に変換することができた。最後に,APクラスタリングアルゴリズムを用いて低次元空間に写像されたデータをクラスタ化し,高次元空間におけるAPアルゴリズムのクラスタリング性能を改善した。シミュレーション結果は,従来のAPアルゴリズムと比較して,提案方法が低次元データにおいて明白な優位性を持たないが,実験データセットのサンプルサイズと次元数の増加によって,高次元データにおけるクラスタ化時間を減少させるだけではなく,より良いクラスタリング効果も保証することを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  スペクトル解析 ,  *次元縮小 ,  クラスタ化 ,  線形性 ,  アルゴリズム ,  *高次元 ,  *クラスタ
準シソーラス用語： クラスタリングアルゴリズム ,  低次元 ,  部分空間 ,  点集合 ,  *高次元データ , 【Automatic Indexing@JST】

著者キーワード (5件)： Data clustering ,  high-dimensional space ,  dimension reduction ,  affinity propagation clustering ,  spectrum analysis

分類 (3件)： パターン認識  (JE07000S) ,  数値計算  (JE02000J) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 高次元データ ,  伝搬 ,  クラスタ ,  次元縮小 ,  研究