МЕТОД ЧАСТИЧНОГО ОБУЧЕНИЯ ДЛЯ ЭВРИСТИЧЕСКОГО АЛГОРИТМА ВОЗМОЖНОСТНОЙ КЛАСТЕРИЗАЦИИ ПРИ НЕИЗВЕСТНОМ ЧИСЛЕ КЛАССОВ

Полный текст:


Аннотация

Предлагается метод построения подмножества помеченных объектов для использования в эвристическом алгоритме возможностной кластеризации с частичным обучением. Метод основан на предобработке данных эвристическим алгоритмом возможностной кластеризации, использующим транзитивное замыкание нечеткой толерантности. Эффективность метода демонстрируется на иллюстративном примере.

Об авторе

Д. А. Вятченин
Объединенный институт проблем информатики НАН Беларуси
Кандидат философских наук


Список литературы

1. Bezdek, J. C. Pattern recognition with fuzzy objective function algorithms / J. C. Bezdek. – New York : Plenum Press, 1981. – 230 p.

2. Krishnapuram, R. A possibilistic approach to clustering / R. Krishnapuram, J. M. Keller // IEEE Transactions on Fuzzy Systems. – 1993. – Vol. 1. – P. 98–110.

3. Pedrycz, W. Algorithms of fuzzy clustering with partial supervision / W. Pedrycz // Pattern Recognition Letters. – 1985. – Vol. 3. – P. 13–20.

4. Abonyi, J. Supervised fuzzy clustering for the identification of fuzzy classifiers / J. Abonyi, F. Szeifert // Pattern Recognition Letters. – 2003. – Vol. 24. – P. 2195–2207.

5. Liu, H. Evolutionary semi-supervised fuzzy clustering / H. Liu, S.T. Huang // Pattern Recognition Letters. – 2003. – Vol. 24. – P. 3105–3113.

6. Viattchenin, D. A. A new heuristic algorithm of fuzzy clustering / D. A. Viattchenin // Control & Cybernetics. – 2004. – Vol. 33. – P. 323–340.

7. Viattchenin, D. A. A direct algorithm of possibilistic clustering with partial supervision / D. A. Viattchenin // Journal of Automation, Mobile Robotics and Intelligent Systems. – 2007. – Vol. 1. – P. 29–38.

8. Viattchenin, D. A. A methodology of fuzzy clustering with partial supervision / D. A. Viattchenin // Systems Science. – 2007. – Vol. 33. – P. 61–71.

9. Viattchenin, D. A. Fuzzy objective function-based technique of partial supervision for a heuristic method of possibilistic clustering / D. A. Viattchenin // Neural Networks and Artificial Intelligence: Proceedings of the Fifth International Conference ICNNAI'2008. – Minsk, 2008. – P. 51–55.

10. Вятченин, Д. А. Прямые алгоритмы нечеткой кластеризации, основанные на операции транзитивного замыкания и их применение к обнаружению аномальных наблюдений / Д. А. Вятченин // Искусственный интеллект. – 2007. – № 3. – С. 205–216.

11. Looney, C. G. Interactive clustering and merging with a new fuzzy expected value / C. G. Looney // Pattern Recognition. – 2002. – Vol. 35. – P. 2413–2423.

12. Walesiak, M. Ugólniona miara odległości w statys-

13. tycznej analizie wielowymiarowej / M. Walesiak. – Wrocław : Wydawnictwo Akademii Ekonomicznej im. Oskara Langego, 2002. – 107 s.


Дополнительные файлы

Для цитирования: Вятченин Д.А. МЕТОД ЧАСТИЧНОГО ОБУЧЕНИЯ ДЛЯ ЭВРИСТИЧЕСКОГО АЛГОРИТМА ВОЗМОЖНОСТНОЙ КЛАСТЕРИЗАЦИИ ПРИ НЕИЗВЕСТНОМ ЧИСЛЕ КЛАССОВ. НАУКА и ТЕХНИКА. 2009;(5):67-74.

For citation: Viattchenin D.A. PARTIAL TRAINING METHOD FOR HEURISTIC ALGORITHM OF POSSIBLE CLUSTERIZATION UNDER UNKNOWN NUMBER OF CLASSES. Science & Technique. 2009;(5):67-74. (In Russ.)

Просмотров: 159

Обратные ссылки

  • Обратные ссылки не определены.


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.

ISSN 2227-1031 (Print)
ISSN 2414-0392 (Online)