書誌事項
- タイトル別名
-
- LVQ Clustering and SOM Using a Kernel Function
- カーネル カンスウ オ リヨウ シタ LVQ クラスタリング ト SOM
この論文をさがす
抄録
本論文では, 学習ベクトル量子化(Learning Vector Quantization-LVQ)によるクラスタリングに, サポートベクトルマシンのカーネル関数を利用した新しいアルゴリズムを提案する.この新しいアルゴリズムは, 対象データをカーネル関数を利用して高次元特徴空間上に写像することで通常のアルゴリズムでは得ることができないクラスター間の非線形な境界を得ることができる.なぜそのようなクラスターが得られるのかについては, 高次元特徴空間上で線形分離になることで可能だと概念的には考えられているが, 現実には, 高次元特徴空間上でのデータの位置関係は分かっていない.そこで, LVQと密接な関係にある自己組織化マップ(Self-Organizing Map-SOM)に, カーネル関数を利用する.高次元特徴空間上のデータをマップすることで, 提案されたアルゴリズムが得ることができる高次元特徴空間上のクラスターの位置関係を可視化する.また, いくつかの数値例に提案手法を適用し, ファジィc-平均法やカーネル関数を利用したファジィc-平均法との比較を行う.
収録刊行物
-
- 知能と情報
-
知能と情報 17 (1), 88-94, 2005
日本知能情報ファジィ学会
- Tweet
詳細情報 詳細情報について
-
- CRID
- 1390282680163505152
-
- NII論文ID
- 110002696379
-
- NII書誌ID
- AA1181479X
-
- ISSN
- 18817203
- 13477986
- http://id.crossref.org/issn/13477986
-
- NDL書誌ID
- 7278602
-
- 本文言語コード
- ja
-
- データソース種別
-
- JaLC
- NDL
- Crossref
- CiNii Articles
- KAKEN
-
- 抄録ライセンスフラグ
- 使用不可