グラフ連結性に基づく多様体上での頑健なクラスタリング手法

• Item type: SIG Technical Reports(1)
• 公開日: 2018-09-18
• タイトル: グラフ連結性に基づく多様体上での頑健なクラスタリング手法
• タイトル / 言語: en
• タイトル: Robust Clustering over Manifold Based on Graph Connectivity
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 東京工科大学コンピュータサイエンス学部
• 著者所属: 神奈川大学理学部
• 著者所属: 静岡県立大学経営情報学部
• 著者所属: 和歌山大学システム工学部
• 著者所属(英): en
• 著者所属(英): School of Computer Science, Tokyo University of Technology
• 著者所属(英): en
• 著者所属(英): Faculty of Science, Kanagawa University
• 著者所属(英): en
• 著者所属(英): School of Management and Information, University of Shizuoka
• 著者所属(英): en
• 著者所属(英): Faculty of Systems Engineering, Wakayama University
• 著者名: 伏見, 卓恭; 斉藤, 和巳; 池田, 哲夫; 風間, 一洋
• 著者名(英): Takayasu, Fushimi; Kazumi, Saito; Tetsuo, Ikeda; Kazuhiro, Kazama
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本研究では，多様体上に分布するオブジェクト群に対して，多様体学習において代表的な ISOMAP と同様に，局所的に近傍するオブジェクト間にリンクを付与することでグラフを構築し，連結性に基づきグラフをクラスタリングすることで頑健で高速なクラスタリングを実現する．この際，距離に比例する確率にしたがってリンクを付与するシミュレーションを多数回実行し，可到達となる期待値が高いオブジェクトノードをクラスタとし抽出する．実データを用いた評価実験では，提案手法の有用性について，クラスタリング精度，データ欠損に対する頑健性，計算速度の観点から評価する．近接中心性を拡張した手法と比較して，提案手法は精度良く高速に頑健なクラスタリング結果を出力することを確認した．
• 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: AN10505667
• 書誌情報: 研究報告数理モデル化と問題解決（MPS）; 巻 2018-MPS-120, 号 17, p. 1-6, 発行日 2018-09-18
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8833
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会