지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2003.5
- 수록면
- 732 - 736 (5page)
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
The presence of local features within clusters incurred by multi-modal nature of data prohibits many conventional clustering techniques from working properly. Especially, the clustering of datasets with non-Gaussian distributions within a cluster can be
problematic when the technique with implicit assumption of Gaussian distribution is used. Current study proposes a simple tandem clustering method composed of k-means type algorithm and hierarchical method to solve such problems. The multi-modal dataset is first divided into many small pre-clusters by k-means or fuzzy k-means algorithm. The pre-clusters found from the first step are to be clustered again using agglomerative hierarchical clustering method with Kullback-Leibler divergence as the measure of dissimilarity. This method is not only effective at extracting the multi-modal clusters but also fast and easy in terms of computation complexity and relatively robust at the presence of outliers. The performance of the proposed method was evaluated on three generated
datasets and six sets of publicly known real world data.
problematic when the technique with implicit assumption of Gaussian distribution is used. Current study proposes a simple tandem clustering method composed of k-means type algorithm and hierarchical method to solve such problems. The multi-modal dataset is first divided into many small pre-clusters by k-means or fuzzy k-means algorithm. The pre-clusters found from the first step are to be clustered again using agglomerative hierarchical clustering method with Kullback-Leibler divergence as the measure of dissimilarity. This method is not only effective at extracting the multi-modal clusters but also fast and easy in terms of computation complexity and relatively robust at the presence of outliers. The performance of the proposed method was evaluated on three generated
datasets and six sets of publicly known real world data.
목차
Abstract
1. Introduction
2. Previous Works
3. Proposed Clustering Method
4. Simulation
5. Conclusion
References
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
ASA 군집화를 이용한 군집수 결정 및 다양한 실험
한국경영과학회지
2006 .06
-
최적에 가까운 군집화를 위한 이단계 방법
한국경영과학회지
2004 .03
-
K-means 알고리즘 기반 클러스터링 인덱스 비교 연구
경영정보학연구
2006 .01
-
무선 네트워크를 위한 하향식 클러스터링 프로토콜의 구현
한국IT서비스학회지
2010 .01
-
실루엣을 적용한 2단계 인공벌군집 데이터 클러스터링
한국경영과학회지
2018 .05
-
소비자 선호 이슈 및 R&D 관점에서의 다차원 이슈 클러스터링
한국IT서비스학회지
2015 .01
-
실루엣을 적용한 그룹탐색 최적화 데이터클러스터링
한국경영과학회지
2017 .08
-
Optimization-Based Data Clustering Algorithm
한국경영과학회 학술대회논문집
2007 .05
-
Positive false discovery rate를 활용한 새로운 군집 분석
한국경영과학회 학술대회논문집
2010 .06
-
데이터 마이닝에서 그룹 세분화를 위한 2단계 계층적 클러스터링 알고리듬
경영과학
2002 .05
-
Mutual Fund 수익률의 비정상 함수형 시그널을 위한 다해상도 클러스터 계층구조
경영과학
2007 .11
-
도메인 온톨로지에 의한 문서 군집화 기법
Journal of Information Technology Applications & Management
2016 .06
-
다차원 CLUSTERING 문제를 위한 척도에 관한 연구 ( A Study on the Measurement for Multidimensional Entity Clustering )
한국경영과학회 학술대회논문집
1989 .01
-
지도학습 기법을 이용한 스펙트럴 군집분석의 근사 방법
한국경영과학회 학술대회논문집
2008 .05
-
An Optimization Approach to Data Clustering
한국경영과학회 학술대회논문집
2005 .05
-
산업클러스터 내 사회적 자본이 기업성과에 미치는 영향: 조직학습의 역할을 중심으로
지식경영연구
2016 .01
-
동시출현단어분석을 통한 다문화 교육 연구의 구조 분석
교육과학연구
2016 .06
-
다차원 개체를 위한 차이등급 clustering ( The Difference Order Clustering for Multi-dimensional Entities )
한국경영과학회지
1989 .06
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2009-325-013781514