
カーネル関数を用いたk-Meansクラスタリングの計算コストを大幅に削減するため、入力データセットからサイズの小さなコアセットを構築する。


coremsg

高次元カーネル-k-means-クラスタリングのための効率的なコアセットの構築


高次元カーネル k-Means クラスタリングのための効率的なコアセットの構築



Equilibrium K-Meansは、大小のクラスタが混在する不均衡データに対して頑健なファジィクラスタリングアルゴリズムである。従来のK-Meansアルゴリズムとは異なり、クラスタ間の反発力を導入することで、大きなクラスタの中心に集まるのを防ぐことができる。



高次元データの不均衡クラスタリングのためのEquilibrium K-Meansアルゴリズム



本研究では、インスタンスレベルの背景知識(同一クラスタ化や分離クラスタ化の制約)を活用した効率的な近最適な制約付きk-centerクラスタリングアルゴリズムを提案する。



近最適な制約付きk-center クラスタリングアルゴリズム - インスタンスレベルの背景知識の活用
