GHSOM改良によるクラスタリング精度向上及び構造分類の実現

カテゴリ: 研究会(論文単位)

論文No: ST18114

グループ名: 【C】電子・情報・システム部門 システム研究会

発行日: 2018/09/27

タイトル(英語): An Enhanced GHSOM for Structural Classification

著者名: 史 虹波(首都大学東京　),徐 浩源(横浜国立大学),濱上 知樹(横浜国立大学)

著者名(英語): Hongbo Shi(Library and Academic Information Center, Tokyo Metropolitan University),Haoyuan Xu(Yokohama National University),Tomoki Hamagami(Yokohama National University)

キーワード: 分類|構造|ＧＨＳＯＭ|時系列|侵入検知|行動パターン|topological classification|structure|GHSOM|time series| intrusion detection|behavior

要約(日本語): 階層成長型自己組織化マップ (Growing Hierarchical Self-Organizing Maps, GHSOM)は動的な階層化成長構造をもち, 複数のクラスとサブクラスを構造的に生成できる。しかし, GHSOMの階層構造の生成過程において, 上位層の進化を取り入れずに階層化に進むプロセスにより, クラスタリングの精度に大きく影響する。本論文はGHSOMの階層化プロセスにある欠陥を解決し, 精度向上のために, 構造強化 GHSOM (sGHSOM: Structural GHSOM)を提案する。本論文は KDD Cup 1999で提供されたネットワークトラフィックをベンチマークとし，従来のGHSOM と提案手法のsGHSOMのパフォーマンスについて評価する。さらに, 本論文は大学図書館の図書貸出記録を用いて，sGHSOMの構造的クラスタリング機能の向上について検証する。

要約(英語): This paper proposes a new enhanced GHSOM, called sGHSOM (Structural GHSOM). sGHSOM solves the issue of the growing mechanism used in GHSOM. We use the KDD Cup 1999 Data as the benchmark for estimating the performance of sGHSOM. The experiment results show that sGHSOM has a higher precision than GHSOM on classification.

原稿種別: 日本語

PDFファイルサイズ: 10,523 Kバイト