同期とグラフを用いたクラスタリング手法の提案と評価(人工知能,データマイニング)

概要

論文の詳細を見る
本論文では,任意形状のクラスタの分割を目的とした非階層的クラスタリング手法を提案し,それを他のクラスタリング手法と比較して評価した結果について述べる.現在の社会において,大量のデータから何らかの意味をもつ情報を抽出することが必要になっている.そのような現状において,クラスタリングは教師なしデータ分類の重要な一手法として用いられている.クラスタリングは情報科学だけでなく,経済学や自然科学,社会科学など様々な分野で利用されており,各分野において基礎的な部分を構成している.しかし,利用されている従来の非階層的クラスタリング手法では任意形状のクラスタの検出が難しく,また,データに含まれるノイズに対して脆弱であるなどの欠点ももつ.提案したクラスタリング手法は,グラフ構造を用いてデータ間の関係を簡略化した後,生物の同期現象をモデルとした結合振動子の自己組織化により実現する.提案手法の性能を調べるために,三つのデータセットに対してクラスタリングを行い,結果を外的評価指標を用いて評価した.評価の結果,提案手法は任意形状のクラスタ検出に高い効果を発揮した.
2010-07-01