@techreport{oai:ipsj.ixsq.nii.ac.jp:00067016,
 author = {吉田, 哲也 and Tetsuya, Yoshida},
 issue = {30},
 month = {Dec},
 note = {本稿では，相互情報量に基づくクラスタリング問題に対するグラフモデルを提案する．相互情報量から導出される定常分布に着想を得たデータ間の類似度関数を定義してデータ集合を辺重み付きグラフとして表現することにより，データが一様分布する場合にはハードクラスタリング問題が提案するグラフモデルにおける組合せ最適化問題に近似できることを示す．提案するグラフモデルを文書クラスタリングでのベンチマークデータである 20 Newsgroup のデータに対して評価し，他手法との比較を通じて提案手法の妥当性と有効性を確認した．, We propose a graph model for data clustering based on mutual information. Based on the stationary distribution induced from the problem setting, we propose a similarity function among data objects, and represent the entire objects as an edge-weighted graph. We show that, in hard assignment, the problem can be approximated as a combinatorial problem over the proposed graph when data is uniformly distributed. The proposed approach is evaluated on the text clustering problem over the 20 Newsgroup benchmark data. The results are encouraging and indicate the effectiveness of our approach.},
 title = {相互情報量に基づくクラスタリングに対するグラフモデルとその評価},
 year = {2009}
}