[論文レビュー] Improved Performance of Unsupervised Method by Renovated K-Means

P. Ashok, G. M. Kadhar Nawaz+2 more|arXiv (Cornell University)|Mar 11, 2013

Advanced Clustering Algorithms Research参考文献 4被引用数 4

ひとこと要約

この論文では、アイrisおよびワインのデータセット上で、ユークリッド距離、マンハッタン距離、ミンコフスキー距離の3つの距離関数を評価することにより、非教師ありクラスタリング性能を向上させるリニューアルされたK-平均法を提案している。本手法は、標準K-平均法、静的重み付きK-平均法、動的重み付きK-平均法と比較して、より低いデイビス・ブーライン指数、短い実行時間、少ない反復回数を達成しており、テストされたデータセットにおいてミンコフスキー距離が最適な性能を示している。

ABSTRACT

Clustering is a separation of data into groups of similar objects. Every group called cluster consists of objects that are similar to one another and dissimilar to objects of other groups. In this paper, the K-Means algorithm is implemented by three distance functions and to identify the optimal distance function for clustering methods. The proposed K-Means algorithm is compared with K-Means, Static Weighted K-Means (SWK-Means) and Dynamic Weighted K-Means (DWK-Means) algorithm by using Davis Bouldin index, Execution Time and Iteration count methods. Experimental results show that the proposed K-Means algorithm performed better on Iris and Wine dataset when compared with other three clustering methods.

研究の動機と目的

• K-平均法の改良により、非教師ありクラスタリング手法の性能を向上させること。
• クラスタリングの効率性と正確性を鑑み、ユークリッド距離、マンハッタン距離、ミンコフスキー距離のうち最適な距離関数を評価・同定すること。
• 標準K-平均法、静的重み付きK-平均法（SWK-Means）、動的重み付きK-平均法（DWK-Means）と比較するための提案されたK-平均法の変種を検証すること。
• デイビス・ブーライン指数、実行時間、反復回数といった標準指標を用いて性能を評価すること。
• ベンチマークデータセットとしてのアイrisおよびワインのデータセット上で、提案手法の妥当性を検証すること。

提案手法

• K-平均法は、ユークリッド距離、マンハッタン距離、ミンコフスキー距離の3つの距離関数を用いて実装された。
• 距離関数の選択がクラスタリング品質および計算効率に与える影響を体系的に評価した。
• クラスタの密集度と分離度を評価するため、デイビス・ブーライン指数を用いて性能を測定した。
• 計算負荷と収束速度を評価するため、実行時間と反復回数を記録した。
• 同一の実験条件下で、標準K-平均法、SWK-Means、DWK-Meansと比較してベンチマークを実施した。
• アルゴリズムは、クラスタリング特性が知られている2つの標準ベンチマークデータセット、アイrisおよびワインでテストされた。

実験結果

リサーチクエスチョン

• RQ1 K-平均法フレームワークにおいて、ユークリッド距離、マンハッタン距離、ミンコフスキー距離のうち、どの距離関数が最も優れたクラスタリング性能を示すか？
• RQ2 提案されたリニューアルされたK-平均法は、実行時間および収束速度の面で標準K-平均法と比べてどのように異なるか？
• RQ3 複数の距離関数の統合は、デイビス・ブーライン指数で測定されるクラスタリング品質を向上させるか？
• RQ4 SWK-MeansおよびDWK-Meansと比較して、提案手法はクラスタの妥当性および計算効率の面でどのように性能を発揮するか？
• RQ5 最適化された距離関数の使用は、アイrisおよびワインといった実世界のデータセットにおいて、より安定的で正確なクラスタリングを実現できるか？

主な発見

• 提案されたK-平均法は、アイrisおよびワインの両方のデータセットにおいて、標準K-平均法、SWK-Means、DWK-Meansと比較して、より低いデイビス・ブーライン指数を達成しており、これはより優れたクラスタ品質を示している。
• ミンコフスキー距離関数は、ユークリッド距離およびマンハッタン距離よりも、クラスタリングの正確性と安定性の面で優れていた。
• 提案手法は、ベースラインのK-平均法および重み付きバージョンと比較して、収束に必要な反復回数が少なかった。
• 実行時間は、特にワインのデータセットにおいて短縮されており、計算効率の向上が裏付けられた。
• 最適化された距離関数とK-平均法の改良の組み合わせにより、すべての評価指標においてクラスタリング性能の明確な向上が得られた。
• 結果から、距離関数の選択がクラスタリングの結果に顕著な影響を及ぼすことが確認され、ミンコフスキー距離が正確性と効率性の間で最良のトレードオフを提供することが示された。