satНАУКА и ТЕХНИКАScience & Technique2227-10312414-0392Belarusian National Technical Universitysat-679Research ArticleЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИNATURAL AND ACCURATE SCIENCESМЕТОД ЧАСТИЧНОГО ОБУЧЕНИЯ ДЛЯ ЭВРИСТИЧЕСКОГО АЛГОРИТМА ВОЗМОЖНОСТНОЙ КЛАСТЕРИЗАЦИИ ПРИ НЕИЗВЕСТНОМ ЧИСЛЕ КЛАССОВPARTIAL TRAINING METHOD FOR HEURISTIC ALGORITHM OF POSSIBLE CLUSTERIZATION UNDER UNKNOWN NUMBER OF CLASSESВятченинД. А.ViattcheninD. A.

Кандидат философских наук

sat@bntu.byОбъединенный институт проблем информатики НАН БеларусиBelarus200915102009056774Copyright © Вятченин Д.А., 20092009Вятченин Д.А.Viattchenin D.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://sat.bntu.by/jour/article/view/679

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.

A method for constructing a subset of labeled objects which is used in a heuristic algorithm of possible  clusterization with partial  training is proposed in the  paper.  The  method  is  based  on  data preprocessing by the heuristic algorithm of possible clusterization using a transitive closure of a fuzzy tolerance. Method efficiency is demonstrated by way of an illustrative example.

ReferencesBezdek, J. C. Pattern recognition with fuzzy objective function algorithms / J. C. Bezdek. – New York : Plenum Press, 1981. – 230 p.Bezdek, J. C. Pattern recognition with fuzzy objective function algorithms / J. C. Bezdek. – New York : Plenum Press, 1981. – 230 p.Krishnapuram, R. A possibilistic approach to clustering / R. Krishnapuram, J. M. Keller // IEEE Transactions on Fuzzy Systems. – 1993. – Vol. 1. – P. 98–110.Krishnapuram, R. A possibilistic approach to clustering / R. Krishnapuram, J. M. Keller // IEEE Transactions on Fuzzy Systems. – 1993. – Vol. 1. – P. 98–110.Pedrycz, W. Algorithms of fuzzy clustering with partial supervision / W. Pedrycz // Pattern Recognition Letters. – 1985. – Vol. 3. – P. 13–20.Pedrycz, W. Algorithms of fuzzy clustering with partial supervision / W. Pedrycz // Pattern Recognition Letters. – 1985. – Vol. 3. – P. 13–20.Abonyi, J. Supervised fuzzy clustering for the identification of fuzzy classifiers / J. Abonyi, F. Szeifert // Pattern Recognition Letters. – 2003. – Vol. 24. – P. 2195–2207.Abonyi, J. Supervised fuzzy clustering for the identification of fuzzy classifiers / J. Abonyi, F. Szeifert // Pattern Recognition Letters. – 2003. – Vol. 24. – P. 2195–2207.Liu, H. Evolutionary semi-supervised fuzzy clustering / H. Liu, S.T. Huang // Pattern Recognition Letters. – 2003. – Vol. 24. – P. 3105–3113.Liu, H. Evolutionary semi-supervised fuzzy clustering / H. Liu, S.T. Huang // Pattern Recognition Letters. – 2003. – Vol. 24. – P. 3105–3113.Viattchenin, D. A. A new heuristic algorithm of fuzzy clustering / D. A. Viattchenin // Control & Cybernetics. – 2004. – Vol. 33. – P. 323–340.Viattchenin, D. A. A new heuristic algorithm of fuzzy clustering / D. A. Viattchenin // Control & Cybernetics. – 2004. – Vol. 33. – P. 323–340.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.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.Viattchenin, D. A. A methodology of fuzzy clustering with partial supervision / D. A. Viattchenin // Systems Science. – 2007. – Vol. 33. – P. 61–71.Viattchenin, D. A. A methodology of fuzzy clustering with partial supervision / D. A. Viattchenin // Systems Science. – 2007. – Vol. 33. – P. 61–71.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.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.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.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.Looney, C. G. Interactive clustering and merging with a new fuzzy expected value / C. G. Looney // Pattern Recognition. – 2002. – Vol. 35. – P. 2413–2423.Looney, C. G. Interactive clustering and merging with a new fuzzy expected value / C. G. Looney // Pattern Recognition. – 2002. – Vol. 35. – P. 2413–2423.Walesiak, M. Ugólniona miara odległości w statys-Walesiak, M. Ugólniona miara odległości w statys-tycznej analizie wielowymiarowej / M. Walesiak. – Wrocław : Wydawnictwo Akademii Ekonomicznej im. Oskara Langego, 2002. – 107 s.tycznej analizie wielowymiarowej / M. Walesiak. – Wrocław : Wydawnictwo Akademii Ekonomicznej im. Oskara Langego, 2002. – 107 s.

The authors declare that there are no conflicts of interest present.