教師なしクラスタリングを行う競合モデル
スポンサーリンク
概要
- 論文の詳細を見る
確率分布が未知であるデータから, 教師なしクラスタリングを逐次学習によって行い, 各クラスタの代表点を推定することを目的とする競合モデルを提案する. ここで提案するモデルは, 学習ベクトル量子化 (LVQ) とMAX-MIN距離法を組み合わせたLVQ+MM法, 学習結果が明示的に代表点を示すようにLVQの距離尺度を拡張したLBVQ (Learning Biased VQ) モデル, ベイズ決定の識別関数を学習の距離尺度に用いたLBQ (Learning Bayesian Quantization) モデルの三つである. これらのモデルに対して, 2次元の入力データの確率密度関数が正規分布の和となる乱数を用いて数値実験を行い, LBQはLVQ+MM法を用いた場合と比較して, 精度良く代表点とクラスタ発生頻度を推定できることを確認した. LVQの一般化と位置づけられるLBQでは, 学習が進むに従ってモデルから決定したクラスタ境界が近似的にベイズ決定境界となる.
- 社団法人電子情報通信学会の論文
- 1996-08-25
著者
関連論文
- ユーザの興味を自動的に見つける情報フィルタINSOP (特集/ドキュメント技術) -- (ドキュメントソリューション・ソフトウェア技術)
- 赤外画像からの人体抽出処理
- 環境の変化に適応するニューラルネットワークモデルに関する検討
- 2)ニューラルネットの空調機器への応用(コンシューマエレクトロニクス研究会)
- 環境適応型のパターン分類ニューラルネット
- ニューラルネットの空調機器への応用 : コンシューマエレクトロニクス
- 忘却を行なう自己相関連想記憶の幾何的性質
- 電子部品実装機の実装順序最適化アルゴリズム (特集 生産技術--21世紀「超・製造業」の実現に向けて) -- (生産IT)
- 教師なしクラスタリングを行う競合モデル
- 教師なしクラスタリングを行う競合モデル
- 改良型LVQを用いたラベルなしデータのクラスタリング
- 連続時間型ニューロウインドウ法の解析