論文の概要: A Survey of Evolutionary Multi-Objective Clustering Approaches
- arxiv url: http://arxiv.org/abs/2110.08100v1
- Date: Fri, 15 Oct 2021 13:53:12 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-18 14:48:02.107820
- Title: A Survey of Evolutionary Multi-Objective Clustering Approaches
- Title（参考訳）: 進化的多目的クラスタリングアプローチに関する調査
- Authors: Cristina Y. Morimoto, Aurora Pozo, and Marc\'ilio C. P. de Souto
- Abstract要約: 進化的多目的クラスタリングの一般的なアーキテクチャで提案される特徴と構成要素に基づいてアルゴリズムを解析する。
新しいアプローチを設計したり、既存のものを選択したり使用する際には、特定のクラスタリングプロパティ以外にこれらの側面を観察することが不可欠です。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This article presents how the studies of the evolutionary multi-objective
clustering have been evolving over the years, based on a mapping of the indexed
articles in the ACM, IEEE, and Scopus. We present the most relevant approaches
considering the high impact journals and conferences to provide an overview of
this study field. We analyzed the algorithms based on the features and
components presented in the proposed general architecture of the evolutionary
multi-objective clustering. These algorithms were grouped considering common
clustering strategies and applications. Furthermore, issues regarding the
difficulty in defining appropriate clustering criteria applied to evolutionary
multi-objective clustering and the importance of the evolutionary process
evaluation to have a clear view of the optimization efficiency are discussed.
It is essential to observe these aspects besides specific clustering properties
when designing new approaches or selecting/using the existing ones. Finally, we
present other potential subjects of future research, in which this article can
contribute to newcomers or busy researchers who want to have a wide vision of
the field.
- Abstract（参考訳）: 本稿では、ACM、IEEE、Scopusにおけるインデックス付き記事のマッピングに基づいて、進化的多目的クラスタリングの研究がどのように進化してきたかを示す。
本稿では,この研究分野の概要を示すために,影響力の高い学術雑誌や会議を考慮に入れた,最も関連するアプローチを提案する。
進化的多目的クラスタリングの一般的なアーキテクチャで提案される特徴と構成要素に基づいてアルゴリズムを解析した。
これらのアルゴリズムは、一般的なクラスタリング戦略とアプリケーションを考慮してグループ化された。
さらに、進化的多目的クラスタリングに適用される適切なクラスタリング基準の定義の難しさや、最適化効率を明確に把握するための進化過程評価の重要性について論じる。
新しいアプローチの設計や既存のアプローチの選択/使用において、特定のクラスタリング特性に加えて、これらの側面を観察することが不可欠である。
最後に,本稿では,この分野の広い視野を望む新参者や多忙な研究者への貢献が可能な,今後の研究の潜在的課題を紹介する。
関連論文リスト
- A Survey on Deep Clustering: From the Prior Perspective [9.628838389364864]
この調査は、6種類の事前知識に分類することで、ディープクラスタリング手法の包括的なレビューを提供する。
広範に使われている5つのデータセットのベンチマークを提供し、様々な先行する手法のパフォーマンスを分析する。
論文 参考訳（メタデータ） (2024-06-28T02:18:16Z) - Incremental hierarchical text clustering methods: a review [49.32130498861987]
本研究の目的は,階層的および漸進的クラスタリング技術の解析である。
本研究の主な貢献は、文書クラスタリングのテキスト化を目的とした、2010年から2018年にかけて出版された研究で使用されるテクニックの組織化と比較である。
論文 参考訳（メタデータ） (2023-12-12T22:27:29Z) - Unified Multi-View Orthonormal Non-Negative Graph Based Clustering
Framework [74.25493157757943]
我々は,非負の特徴特性を活用し,多視点情報を統合された共同学習フレームワークに組み込む,新しいクラスタリングモデルを定式化する。
また、深層機能に基づいたクラスタリングデータに対するマルチモデル非負グラフベースのアプローチを初めて検討する。
論文 参考訳（メタデータ） (2022-11-03T08:18:27Z) - Deep Clustering: A Comprehensive Survey [53.387957674512585]
クラスタリング分析は、機械学習とデータマイニングにおいて必須の役割を果たす。
ディープ・クラスタリングは、ディープ・ニューラルネットワークを使ってクラスタリングフレンドリーな表現を学習することができるが、幅広いクラスタリングタスクに広く適用されている。
ディープクラスタリングに関する既存の調査は、主にシングルビューフィールドとネットワークアーキテクチャに焦点を当てており、クラスタリングの複雑なアプリケーションシナリオを無視している。
論文 参考訳（メタデータ） (2022-10-09T02:31:32Z) - A Survey on Incomplete Multi-view Clustering [66.50475816827208]
病気の診断、マルチメディア分析、レコメンデーションシステムなどの実践的な応用では、サンプルのすべてのビューが利用できるわけではない。
不完全なマルチビュークラスタリングは、不完全なマルチビュークラスタリングと呼ばれる。
論文 参考訳（メタデータ） (2022-08-17T03:00:59Z) - An Analysis of the Admissibility of the Objective Functions Applied in
Evolutionary Multi-objective Clustering [0.0]
本稿では,進化的最適化におけるクラスタリング基準の適用性について分析する。
目的関数の許容性が最適化にどのように影響するかを示す。
進化的多目的クラスタリングアプローチにおけるクラスタリング基準の組み合わせと利用に関する洞察を提供する。
論文 参考訳（メタデータ） (2022-06-19T20:22:04Z) - A Comprehensive Survey on Deep Clustering: Taxonomy, Challenges, and
Future Directions [48.97008907275482]
クラスタリングは、文献で広く研究されている基本的な機械学習タスクである。
ディープクラスタリング(Deep Clustering)、すなわち表現学習とクラスタリングを共同で最適化する手法が提案され、コミュニティで注目を集めている。
深層クラスタリングの本質的なコンポーネントを要約し、深層クラスタリングと深層クラスタリングの相互作用を設計する方法によって既存の手法を分類する。
論文 参考訳（メタデータ） (2022-06-15T15:05:13Z) - A review of systematic selection of clustering algorithms and their
evaluation [0.0]
本稿では,クラスタリングアルゴリズムとそれに対応する検証概念の体系的選択ロジックを同定することを目的とする。
目標は、潜在的なユーザが自分のニーズと基盤となるデータクラスタリングの問題の性質に最も適したアルゴリズムを選択できるようにすることだ。
論文 参考訳（メタデータ） (2021-06-24T07:01:46Z) - HAWKS: Evolving Challenging Benchmark Sets for Cluster Analysis [2.5329716878122404]
クラスタリングアルゴリズムの包括的なベンチマークは難しい。
厳格なベンチマークのベストプラクティスに関する合意はありません。
このようなベンチマークのフレキシブルな生成を支援するために,進化的アルゴリズムが果たす重要な役割を実証する。
論文 参考訳（メタデータ） (2021-02-13T15:01:34Z) - Unsupervised Multi-view Clustering by Squeezing Hybrid Knowledge from
Cross View and Each View [68.88732535086338]
本稿では,適応グラフ正規化に基づくマルチビュークラスタリング手法を提案する。
5つの多視点ベンチマークの実験結果から,提案手法が他の最先端手法をクリアマージンで上回ることを示す。
論文 参考訳（メタデータ） (2020-08-23T08:25:06Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。