Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "fuzzy clustering" wg kryterium: Temat

  Lista filtrów

Dostawca treści

Wyrównaj
Wyświetlanie 1-15 z 28
Tytuł:
Clustering in fuzzy subspaces
Grupowanie danych w rozmytych podprzestrzeniach
Autorzy:
Simiński, K.
Powiązania:
https://bibliotekanauki.pl/articles/375745.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
subspace clustering
weighted attributes
fuzzy clustering
Opis:
Some data sets contain data clusters not in all dimension, but in subspaces. Known algorithms select attributes and identify clusters in subspaces. The paper presents a novel algorithm for subspace fuzzy clustering. Each data example has fuzzy membership to the cluster. Each cluster is defined in a certain subspace, but the the membership of the descriptors of the cluster to the subspace (called descriptor weight) is fuzzy (from interval [0; 1]) - the descriptors of the cluster can have partial membership to a subspace the cluster is defined in. Thus the clusters are fuzzy defined in their subspaces. The clusters are defined by their centre, fuzziness and weights of descriptors. The clustering algorithm is based on minimizing of criterion function. The paper is accompanied by the experimental results of clustering. This approach can be used for partition of input domain in extraction rule base for neuro-fuzzy systems.
Niektóre dane zawierają grupy danych nie we wszystkich wymiarach, ale w pewnych podprzestrzeniach dziedziny. Artykuł przedstawia algorytm grupowania danych w rozmytych podprzestrzeniach. Każdy przykład danych ma pewną rozmytą przynależność do grupy (klastra). Każdy klaster z kolei jest rozpięty w pewnej podprzestrzeni dziedziny wejściowej. Klastry mogą być rozpięte w różnych podprzestrzeniach. Algorytm grupowania oparty jest na minimalizacji funkcji kryterialnej. W wyniku jego działania wypracowane są położenia klastrów, ich rozmycie i wagi ich deskryptorów. Przestawiono także wyniki eksperymentów grupowania danych syntetycznych i rzeczywistych
Źródło:
Theoretical and Applied Informatics; 2012, 24, 4; 313-326
1896-5334
Pojawia się w:
Theoretical and Applied Informatics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Travel Time Forecasting Based on Fuzzy Patterns
Autorzy:
Kiersztyn, Adam
Gandzel, Agnieszka Gandzel
Koczan, Leopold
Celiński, Maciej
Powiązania:
https://bibliotekanauki.pl/articles/2023310.pdf
Data publikacji:
2021
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
fuzzy clustering
travel time forecasting
fuzzy patterns
transportation data
Opis:
Estimating travel time is one of the most important processes in logistics as well as in everyday life. In particular, when it comes to transportation services, efficient time management can be a competitive advantage, not to mention customer satisfaction, which can be easily translated into business success. Therefore, in this study we analyze various travel time estimation methods in combination with a well-known Fuzzy C-Means clustering algorithm. The proposed FCM-based solution has significant advantages, allowing for the determination of the optimal travel time. In an extensive numerical experiment, we present the application of the proposed method to estimate the time of a taxi trip around New York. Due to division of the city area into detailed areas and taking into account information about the travel time in the analysis, a model was obtained, that perfectly forecasts speed of taxi travel. In this study we consider various, competitive approaches to build such a model.
Źródło:
Advances in Science and Technology. Research Journal; 2021, 15, 3; 224-232
2299-8624
Pojawia się w:
Advances in Science and Technology. Research Journal
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Classification of elemental manoeuvres observed during ship handling training employing manned ship models
Autorzy:
Misiąg, W. A.
Powiązania:
https://bibliotekanauki.pl/articles/260323.pdf
Data publikacji:
2007
Wydawca:
Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:
manoeuvring
elemental manoeuvres
fuzzy clustering
trajectory
manned models
Opis:
The paper presents a concept of elemental manoeuvres that may be used for analysis of ship handling training (including the training with manned model ships) and for simulation of complex manoeuvring scenarios. It shows a set of postulated elemental manoeuvres. A fuzzy clustering method is introduced and applied for the classification of manoeuvring patterns. The fuzzy clustering algorithm is used for the extraction of elemental manoeuvres from the records of ship handling manoeuvres of LCC model ship. The best set of variables for the extraction of elemental manoeuvres consists of normalised ship velocities and controls.
Źródło:
Polish Maritime Research; 2007, S 2; 54-59
1233-2585
Pojawia się w:
Polish Maritime Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Podsumowania lingwistyczne z grupowaniem rozmytym
Linguistic summaries with fuzzy clustering
Autorzy:
Smolińska, M. K.
Sosnowski, Z. A.
Powiązania:
https://bibliotekanauki.pl/articles/341071.pdf
Data publikacji:
2007
Wydawca:
Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:
podsumowania lingwistyczne
grupowanie rozmyte
linguistic summaries
fuzzy clustering
Opis:
W pracy przedstawiono zastosowanie podsumowania lingwistycznego jako predykatu rozmytego do wyznaczania obiektów z typową wartością atrybutu lub zbioru atrybutów. W rozmytym algorytmie grupującym wykorzystana jest populacja z wyznaczoną ze względu na dany atrybut typowością obiektów. Wyniki działania tego algorytmu oraz jego zmodyfikowanej postaci zostały przedstawione na przykładzie populacji, której obiektami są piksele obrazu.
This paper presents linguistic summary as a fuzzy predicate, which is used to find, objects with typical values of an attribute or a set of attributes. In the fuzzy clustering algorithm we use population with given typicality of objects for selected attribute. We present the results of this algorithm and its modification basing on an example with population of pixels in image.
Źródło:
Zeszyty Naukowe Politechniki Białostockiej. Informatyka; 2007, 2; 141-154
1644-0331
Pojawia się w:
Zeszyty Naukowe Politechniki Białostockiej. Informatyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Breast cancer diagnosis via fuzzy clustering with partial supervision
Autorzy:
Przybyła, T.
Powiązania:
https://bibliotekanauki.pl/articles/1965815.pdf
Data publikacji:
2004
Wydawca:
Politechnika Gdańska
Tematy:
robust method
fuzzy clustering
weighted myriad
partial supervision
Opis:
A new clustering method of fuzzy c-myriad clustering with partial supervision is presented in this paper. The proposed method has been applied to breast cancer diagnosis data obtainted from the University of Wisconsin. The data set contains 699 cases of breast cancer, with each instance described by 10 features.
Źródło:
TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk; 2004, 8, 2; 193-198
1428-6394
Pojawia się w:
TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Complexfuzzy: novel clustering method for selecting training instances of cross-project defect prediction
Autorzy:
Oztürk, Muhammed Maruf
Powiązania:
https://bibliotekanauki.pl/articles/2097886.pdf
Data publikacji:
2021
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
cross-project defect prediction
complexFuzzy
training instance selection
fuzzy clustering
Opis:
Over the last decade, researchers have investigated to what extent cross-project defect prediction (CPDP) shows advantages over traditional defect prediction settings. These works do not take the training and testing data of defect prediction from the same project; instead, dissimilar projects are employed. Selecting the proper training data plays an important role in terms of the success of CPDP. In this study, a novel clustering method called complexFuzzy is presented for selecting the training data of CPDP. The method reveals the most defective instances that the experimental predictors exploit in order to complete the training. To that end, a fuzzy-based membership is constructed on the data sets. Hence, overfitting (which is a crucial problem in CPDP training) is alleviated. The performance of complexFuzzy is compared to its 5 counterparts on 29 data sets by utilizing 4 classifiers. According to the obtained results, complexFuzzy is superior to other clustering methods in CPDP performance.
Źródło:
Computer Science; 2021, 22 (1); 3-37
1508-2806
2300-7036
Pojawia się w:
Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of modified fuzzy clustering to medical data classification
Autorzy:
Jeżewski, M.
Powiązania:
https://bibliotekanauki.pl/articles/333509.pdf
Data publikacji:
2011
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
grupowanie rozmyte
klasyfikacja
dane medyczne
fuzzy clustering
classification
medical data
Opis:
Classification plays very important role in medical diagnosis. This paper presents fuzzy clustering method dedicated to classification algorithms. It focuses on two additional sub-methods modifying obtained clustering prototypes and leading to final prototypes, which are used for creating the classifier fuzzy if-then rules. The main goal of that work was to examine a performance of the classifier which uses such rules. Commonly used including medical benchmark databases were applied. In order to validate the results, each database was represented by 100 pairs of learning and testing subsets. The obtained classification quality was better in relation to the one of the best classifiers - Lagrangian SVM and suggests that presented clustering with additional sub-methods are appropriate to application to classification algorithms.
Źródło:
Journal of Medical Informatics & Technologies; 2011, 17; 51-57
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Life Insurance Customers segmentation using fuzzy clustering
Autorzy:
Jandaghi, Gholamreza
Moazzez, Hashem
Moradpour, Zahra
Powiązania:
https://bibliotekanauki.pl/articles/1193938.pdf
Data publikacji:
2015
Wydawca:
Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
Tematy:
Market segmentation
customer segmentation
data mining
fuzzy clustering
life insurance
Opis:
One of the important issues in service organizations is to identify the customers, understanding their difference and ranking them. Recently, the customer value as a quantitative parameter has been used for segmenting customers. A practical solution for analytical development is using analytical techniques such as dynamic clustering algorithms and programs to explore the dynamics in consumer preferences. The aim of this research is to understand the current customer behavior and suggest a suitable policy for new customers in order to attain the highest benefits and customer satisfaction. To identify such market in life insurance customers, We have used the FKM.pf.niose fuzzy clustering technique for classifying the customers based on their demographic and behavioral data of 1071 people in the period April to October 2014. Results show the optimal number of clusters is 3. These three clusters can be named as: investment, security of life and a combination of both. Some suggestions are presented to improve the performance of the insurance company.
Źródło:
World Scientific News; 2015, 21; 24-35
2392-2192
Pojawia się w:
World Scientific News
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Generalized fuzzy clustering method
Autorzy:
Przybyła, T.
Roj, D.
Jeżewski, J.
Matonia, A.
Powiązania:
https://bibliotekanauki.pl/articles/332927.pdf
Data publikacji:
2010
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
grupowanie rozmyte
uogólniona funkcja kosztów
grupowanie nienadzorowane
fuzzy clustering
fuzzy meridian
fuzzy myriad
generalized cost function
unsupervised clustering
Opis:
This paper presents a new hybrid fuzzy clustering method. In the proposed method, cluster prototypes are values that minimize the introduced generalized cost function. The proposed method can be considered as a generalization of fuzzy c–means (FCM) method as well as the fuzzy c–median (FCMed) clustering method. The generalization of the cluster cost function is made by applying the Lp norm. The values that minimize the proposed cost function have been chosen as the group prototypes. The weighted myriad is the special case of the group prototype, when the Lp norm is the L2 (Euclidean) norm. The cluster prototypes are the weighted meridians for the L1 norm. Artificial data set is used to demonstrate the performance of proposed method.
Źródło:
Journal of Medical Informatics & Technologies; 2010, 16; 69-76
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An ε-Insensitive Approach to Fuzzy Clustering
Autorzy:
Łęski, J.
Powiązania:
https://bibliotekanauki.pl/articles/908067.pdf
Data publikacji:
2001
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
programowanie
metoda grupowania
fuzzy clustering
fuzzy c-means
robust methods
varepsilon-insensitivity
fuzzy c-medians
Opis:
Fuzzy clustering can be helpful in finding natural vague boundaries in data. The fuzzy c-means method is one of the most popular clustering methods based on minimization of a criterion function. However, one of the greatest disadvantages of this method is its sensitivity to the presence of noise and outliers in the data. The present paper introduces a new varepsilon-insensitive Fuzzy C-Means (varepsilonFCM) clustering algorithm. As a special case, this algorithm includes the well-known Fuzzy C-Medians method (FCMED). The performance of the new clustering algorithm is experimentally compared with the Fuzzy C-Means (FCM) method using synthetic data with outliers and heavy-tailed, overlapped groups of the data.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2001, 11, 4; 993-1007
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Parallel fuzzy clustering for linguistic summaries
Podsumowania lingwistyczne z równoległym grupowaniem rozmytym
Autorzy:
Smolińska, M. K.
Sosnowski, Z. A.
Powiązania:
https://bibliotekanauki.pl/articles/341097.pdf
Data publikacji:
2009
Wydawca:
Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:
podsumowania lingwistyczne
grupowanie rozmyte
programowanie równoległe
linguistic summary
fuzzy clustering
parallel computing
Opis:
Z podsumowaniem lingwistycznym, jak i z predykatem rozmytym związana jest wartość prawdy. Możemy więc podsumowań lingwistycznych używać jako predykatów rozmytych. Podsumowanie postaci większość obiektów w populacji P jest podobna do obiektu oi wykorzystać możemy do znajdowania typowych wartości w populacji P, które to wykorzystuje rozmyty algorytm grupujący. Wadą tego algorytmu jest jego duża złożoność obliczeniowa. W celu przetwarzania dużej liczby danych zaimplementowaliśmy ten algorytm równolegle, korzystając ze standardu MPI do komunikacji między procesami działającymi na różnych procesorach. W tej pracy przedstawiamy algorytm równoległy i wyniki eksperymentów.
The linguistic summaries have the associated truth value so they can be used as predicates. We use summaries of the form ”most objects in population P are similar to oi” to find typical values in population P. Then typical values are used in fuzzy clustering algorithm. Disadvantage of this algorithm is its complexity. For the purpose of processing the huge number of data, we decided to use parallel computing mechanism to implement this algorithm, and run it on the cluster machine. We use MPI (Message Passing Interface) to communicate between processes, which work on different processors. This paper presents this parallel algorithm and some results of experiments.
Źródło:
Zeszyty Naukowe Politechniki Białostockiej. Informatyka; 2009, 4; 139-150
1644-0331
Pojawia się w:
Zeszyty Naukowe Politechniki Białostockiej. Informatyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A new heuristic algorithm of fuzzy clustering
Autorzy:
Viattchenin, D. A.
Powiązania:
https://bibliotekanauki.pl/articles/970349.pdf
Data publikacji:
2004
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
grupowanie rozmyte
przydział
punkt typowy
fuzzy clustering
fuzzy tolerance
fuzzy cluster
membership degree
allotment
typical point
Opis:
This paper deals with a new method of fuzzy clustering. The basic concepts of the method are introduced as resulting from the consideration of the fundamental fuzzy clustering problem. The paper provides the description of the general plan of the algorithm and an illustrative example. An analysis of the experimental results of the method's application to the Anderson's Iris data is carried out. Some preliminary conclusions and the ways of prospective investigations are given.
Źródło:
Control and Cybernetics; 2004, 33, 2; 323-340
0324-8569
Pojawia się w:
Control and Cybernetics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
On choosing the fuzziness parameter for identifying TS models with multidimensional membership functions
Autorzy:
Kroll, A.
Powiązania:
https://bibliotekanauki.pl/articles/91761.pdf
Data publikacji:
2011
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
fuzzy clustering
structure/fuzzy partitioning
Takagi-Sugeno fuzzy models
TS fuzzy models
fuzziness parameter m
fuzzy classifier
Opis:
Fuzzy clustering is a well-established method for identifying the structure/fuzzy partitioning of Takagi-Sugeno (TS) fuzzy models. The clustering algorithms require choosing the fuzziness parameter m. Prior work in the area of pattern recognition shows, that a suitable choice of m is application- dependent. Yet, the default of m=2 is commonly chosen. This paper examines the suitable choice of m for identifying TS models. The focus is on models that use the classifiers resulting from fuzzy clustering as multi-dimensional membership functions or their projection and approximation. At first, the differentiability and grouping properties of the fuzzy classifiers are analyzed to make a general recommendation of choosing m(1;3). Besides, the effect of the cluster number c on the classification fuzziness is examined. Finally, requirements that are specific to TS modeling are introduced, which narrow down the suitable range for m. Building on algorithm analysis and four case studies (function approximation, a vehicle engine and an axial compressor application for nonlinear regression), it is demonstrated that choosing m2(1;1.3) for local and m2(1;1.5) for global estimation will typically provide for good results.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2011, 1, 4; 283-300
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Rozmyta klasteryzacja surowych trójwymiarowych danych tomograficznych dla potrzeb rozpoznawania przepływów dwufazowych
Fuzzy clustering of raw three dimensional tomographic data for two-phase flows recognition
Autorzy:
Fiderek, P.
Jaworski, T.
Wajman, R.
Kucharski, J.
Powiązania:
https://bibliotekanauki.pl/articles/408134.pdf
Data publikacji:
2015
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
logika rozmyta
klasteryzacja rozmyta
trójwymiarowa tomografia pojemnościowa
fuzzy logic
fuzzy clustering
three dimensional capacitance tomography
Opis:
Artykuł zawiera opis wykorzystania klasteryzacji rozmytej dla potrzeb rozpoznawania rodzajów przepływów dwufazowych typu gaz-ciecz. Autorzy przedstawili szczegółowy opis procesu pozyskiwania trójwymiarowych danych tomograficznych, tak zwanych surowych danych tomograficznych, nowych metod gromadzenia, interpretacji oraz statystycznego przetwarzania tego typu danych. Dodatkowo w artykule znajduje się opis podstawowych zagadnień z zakresu logiki rozmytej i klasteryzacji rozmytej takich jak wyznaczanie wektora cech znaczących czy zasady działania klasyfikatora rozmytego (FCM) w odniesieniu do specyficznego rodzaju danych wykorzystanych podczas badań. Uzasadniając wybór klasteryzacji rozmytej autorzy zaprezentowali wyniki przeprowadzanych eksperymentów, które potwierdziły, że algorytmy rozmyte bardzo dobrze nadają się do badań nad zjawiskami o bardzo dynamicznym charakterze, jakimi bez wątpienia są przepływy dwufazowe typu gaz-ciecz.
The paper contains a description of the fuzzy clustering method usage for the recognition of two-phase gas-liquid flows. The authors present a detailed description of the obtaining process of three dimensional tomographic data, the so-called raw tomographic data, and new methods of the data collection, interpretation and statistical processing. In addition, the article includes a description of the key issues in the field of fuzzy logic and fuzzy clustering such as the determination of the primary features vector or the fuzzy classifier (FCM) principle of use with a specific type of data used in the study. Justifying the choice of fuzzy clustering authors presented the results of experiments carried out, which confirmed that the fuzzy algorithms are very good matched to the study of phenomena of a very dynamic nature, which, definitely, are the two-phase gas-liquid flows.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2015, 4; 12-16
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Particle swarm optimization based fuzzy clustering approach to identify optimal number of clusters
Autorzy:
Chen, M.
Ludwig, S. A.
Powiązania:
https://bibliotekanauki.pl/articles/91549.pdf
Data publikacji:
2014
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
optimization
fuzzy clustering
cluster analysis
particle swarm optimization (PSO)
PSO
fuzzy Sammon mapping
Sammon mapping
Opis:
Fuzzy clustering is a popular unsupervised learning method that is used in cluster analysis. Fuzzy clustering allows a data point to belong to two or more clusters. Fuzzy c-means is the most well-known method that is applied to cluster analysis, however, the shortcoming is that the number of clusters need to be predefined. This paper proposes a clustering approach based on Particle Swarm Optimization (PSO). This PSO approach determines the optimal number of clusters automatically with the help of a threshold vector. The algorithm first randomly partitions the data set within a preset number of clusters, and then uses a reconstruction criterion to evaluate the performance of the clustering results. The experiments conducted demonstrate that the proposed algorithm automatically finds the optimal number of clusters. Furthermore, to visualize the results principal component analysis projection, conventional Sammon mapping, and fuzzy Sammon mapping were used.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2014, 4, 1; 43-56
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 28

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies