* PROCLUS [#sa5190e8]

//ここには %項目の説明を書いてください.よろしければ署名しておいてください.

PROCLUS (PROjected CLUStering) は,トップダウン型の部分空間クラスタリングの先鞭となった手法.k-medoids型のクラスタリングに,各クラスタごとに部分空間を抽出できるようにしたもの.初期化,反復,精錬の3段階で構成される:

''初期化''

初期 medoid \(m_1,\ldots,m_k\) を選択

''反復''

medoid の改良,部分空間抽出,データ点のクラスタの割り当てを反復的に行う.

medoid の中で,クラスタ内のデータ点の偏差が大きなものや,medoidに割り当てられたデータ数が小さすぎるものは良くないとみなす.
これらは,ランダムに他のデータ点と入れ替えて,クラスタが改良されるなら,medoidを置き換える.
この手続きを何回か繰り返す.

部分空間は,各クラスタごとに2個以上で,全クラスタで割り当てる次元の総数が \(kl\) 個(\(l\)はパラメータ)となるようにする.
どの次元を選ぶかだが,各medoid \(m_i\) ごとに,一番近い他のmedoidまでを半径とする領域を,そのmedoidの近傍 \(L_i\) とする.
そして,各軸に沿った,近傍 \(L_i\) 内の点とmedoid \(m_i\) の間の平均距離に基づき,この距離が小さい,すなわち,よくまとまった軸を選択する.
各クラスタごとに選んだ軸の集合を \(D_i\) とする.

medoid 以外のデータ点は,\(D_i\) 中の軸のみを用いて選んで測った距離が一番近いmedoidへ割り当てる.

''精錬''

クラスタごとの次元を,近傍ではなく,そのクラスタ内のデータ点を使って再計算.
また,各クラスタごとに,medoid から遠いデータ点をはずれ値とする.

> -- しましま

** 関連項目 [#w3dafa30]

//英語や同義語のあとに,#brで区切って関連する項目をリストしてください.
-[[クラスタリング]]
-[[部分空間クラスタリング]]
-[[k-medoids法]]
-[[ORCLUS]]
-[[特徴選択]]
-[[次元削減]]
#br
-[[検索:PROCLUS]]

** リンク集 [#k407ddeb]

//関連するWWW資源があればリンクしてください.

** 関連文献 [#o644f56f]

//この%項目%に関連する書籍や論文を紹介してください.

-基本文献~
C.C.Aggarwal, J.L.Wolf, P.S.Yu, and J.S.Park "Fast Algorithms for Projected Clustering" SIGMOD 1999~
[[GoogleScholarAll:Fast Algorithms for Projected Clustering]]
-[[Book/Data Mining - Concepts and Techniques]] 7.9.2節

トップ   編集 差分 履歴 添付 複製 名前変更 リロード   新規 一覧 検索 最終更新   ヘルプ   最終更新のRSS