関係データのための局所的な部分空間学習に関する一考察

カテゴリ: 部門大会

論文No: MC5-1

グループ名: 【C】平成19年電気学会電子・情報・システム部門大会講演論文集

発行日: 2007/09/04

タイトル(英語): A Study on Local Subspace Learning for Relational Data

著者名: 本多 克宏(大阪府立大学),垪和 直樹(大阪府立大学),市橋 秀友(大阪府立大学),野津 亮(大阪府立大学)

著者名(英語): Katsuhiro Honda(Osaka Prefecture University),Naoki Haga(Osaka Prefecture University),Hidetomo Ichihashi(Osaka Prefecture University),Akira Notsu(Osaka Prefecture University)

キーワード: クラスター分析|部分空間学習|関係データ関係データ|Cluster analysis|Subspace learning|Relational data

要約(日本語): 対象の分類を通してデータの構造をとらえるクラスター分析は,データマイニングにも応用されている.webマイニングでは対象間の類似度を表す関係データのみが与えられるが,対象のいずれかをクラスターのプロトタイプとするk-Medoids法に基づくアプローチが簡便かつ有用である.一方,多次元データの縮約法として局所的な部分空間学習に関する研究も多く,線形多様体をプロトタイプとする線形クラスタリングに基づくアルゴリズムも提案されている.本研究では,関係データのみが与えられた際に局所的な部分構造をとらえることを目的に,k-Medoids法に基づく線形クラスタリングのためのアルゴリズムに関する考察を行う.

PDFファイルサイズ: 2,168 Kバイト