SOMはニューラルネットワークの一種で 与えられた入力情報の類似度をマップ上での距離で表現するモデルです. 技術が発達した現代では複雑な情報が数多く存在します. しかしそのような高次元データを人間が瞬時に理解することは困難です. SOMは高次元データの中に存在する傾向や相関関係の発見などに応用することができ 人間が高次元データを視覚的に理解する手助けを行ってくれます. SOMの特徴を一言であげるとすれば 様々な高次元データを予備知識なし(教師なし)にクラスタリングできる点にあります. またこれが自己組織化といわれる所以です. SOMは主にデータマイニングの1手法として応用され, データの分類,視覚化,要約などを得意としています. 現在ではプロセス解析,制御,検索システム,さらには経営のための情報分析など 実社会において重要な分野へ応用されています. SOMは規則的
嵯峨山 茂樹: 応用音響学 D2-Clustering edu/appl-acoust/2003/D2-Clustering.tex / 1 東京大学 工学部 計数工学科 応用音響学 D2 - クラスタリング 嵯峨山 茂樹 <sagayama@hil.t.u-tokyo.ac.jp> 東京大学 工学部 計数工学科 資料所在 http://hil.t.u-tokyo.ac.jp/∼sagayama/applied acoustics/ クラスタリング k-means アルゴリズム ベクトル量子化 LBG アルゴリズム セグメンタル k-means アルゴリズム 嵯峨山 茂樹: 応用音響学 D2-Clustering edu/appl-acoust/2003/D2-Clustering.tex / 2 クラスタリング1 内容 1. クラスタリング 2. k-meansアルゴリズム、LBGアル
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く