次元数のばらつきに対応した一般射影クラスタリング

• Item type: Trans(1)
• 公開日: 2002-03-15
• タイトル: 次元数のばらつきに対応した一般射影クラスタリング
• タイトル / 言語: en
• タイトル: A Generalized Projected Clustering Method for Finding Clusters of Different Dimensionality
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 研究論文
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 筑波大学電子・情報工学系
• 著者所属: 農業生物資源研究所
• 著者所属: 筑波大学電子・情報工学系
• 著者所属: 筑波大学電子・情報工学系
• 著者所属(英): en
• 著者所属(英): Institute of Information Siences and Electronics, University of Tsukuba
• 著者所属(英): en
• 著者所属(英): National Institute of Agrobiological Sciences
• 著者所属(英): en
• 著者所属(英): Institute of Information Siences and Electronics, University of Tsukuba
• 著者所属(英): en
• 著者所属(英): Institute of Information Siences and Electronics, University of Tsukuba
• 著者名: 古瀬, 一隆; 石川, 雅弘; 陳漢雄; 大保信夫
• 著者名(英): Kazutaka, Furuse; Masahiro, Ishikawa; Hanxiong, Chen; Nobuo, Ohbo
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本稿では，高次元空間中の実データに対して有効な一般射影クラスタリングの手法を提案する．クラスタリングは傾向分析や近傍検索などのさまざまな分野に用いられる重要なツールの1 つであるが，高次元データについては次元の呪いの問題により既存の手法が有効でないことが知られている．この問題を解決する有効な方法の1 つとして一般射影クラスタリングがある．本稿ではこれまでに提案された一般射影クラスタリングの手法の「すべてのクラスタの次元数が同一でなければならない」という制限を取り除いた新たな手法を提案する．提案手法では，クラスタリングの処理の過程で得られる固有値を利用してそれぞれのクラスタの次元数を決定する．これにより，高次元データについてより良いクラスタを発見することが可能となる．提案手法の有効性は，合成データを用いたシミュレーションの結果によって検証されている．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: This paper proposes a novel method ofgeneralized projected clustering which is effective for high dimensional data.Although clustering is an important tool for various kinds of ?elds such as trend analysis and similarity search,it is well known that most ofexisting mothods are not effective for high dimensional data because ofthe curse ofdimensionality.One of the promising approaches for this problem is the generalized projected clustering.However, formerly proposed method is not so effective when clusters have different dimensionality.The method proposed in this paper exploits the eigenvalues which are aquired during the process of clustering,and determines how many dimensions are meaningful for each cluster.With this mechanism,we can canstruct a method which is effectively applicable to real datasets in high dimensional space.The results from experimental simulations verify the effectiveness of the proposed method.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11464847
• 書誌情報: 情報処理学会論文誌データベース（TOD）; 巻 43, 号 SIG02(TOD13), p. 193-202, 発行日 2002-03-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7799
• 出版者 / 言語: ja
• 出版者: 情報処理学会