Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
An Evidential Collaborative Filtering Approach Based on Items Contents Clustering Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

E2CM: An Evolutionary Version of Evidential C-Means Clustering Algorithm

verfasst von : Zhi-gang Su, Hong-yu Zhou, Pei-hong Wang, Gang Zhao, Ming Zhao

Erschienen in: Belief Functions: Theory and Applications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This paper aims to propose an Evolutionary version of Evidential C-Mean (E2CM) clustering method based on a Variable string length Artificial Bee Colony (VABC) algorithm. In the E2CM, the centers of clusters are encoded in form of a population of strings with variable length to search optimal number of clusters as well as locations of centers based on the VABC, by minimizing objective function non-specificity, in which the assignment of objects to the population of cluster centers are performed by the ECM. One significant merit of the E2CM is that it can automatically create a credal partition without requiring the number of clusters as a priority. A numerical example is used to intuitively verify our conclusions.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Belief and Plausibility Functions on the Space of Scalar Products and Applications
Nächstes Kapitel Contrasting Two Laws of Large Numbers from Possibility Theory and Imprecise Probability
Literatur
1.
Antoine, V., Quost, B., Masson, M.-H., Denoeux, T.: CECM: constrained evidential C-Means algorithm. Comput. Stat. Data Anal. 56(4), 894–914 (2012)MathSciNetCrossRef
2.
Denoeux, T., Kanjanatarakul, O.: Evidential clustering: a review. In: 5th International Symposium on Integrated Uncertainty in Knowledge Modelling and Decision Making (IUKM), Da Nang, 2 December 2016, pp. 24–35 (2016)
3.
Denoeux, T., Kanjanatarakul, O., Sriboonchitta, S.: EK-NNclus: a clustering procedure based on the evidential K-nearest neighbor rule. Knowl. Based Syst. 88, 57–69 (2015)CrossRef
4.
Denoeux, T.: A k-nearest neighbor classification rule based on Dempster-Shafer theory. IEEE Trans. Syst. Man Cybern. 25(5), 804–813 (1995)CrossRef
5.
Denoeux, T., Masson, M.-H.: EVCLUS: evidential clustering of proximity data. IEEE Trans. Syst. Man Cybern. Part B 34, 95–109 (2004)CrossRef
6.
Karaboga, D., Basturk, B.: On the performance of Artificial Bee Colony (ABC) algorithm. Appl. Soft Comput. 8(1), 687–697 (2008)CrossRef
7.
Liu, Z.-G., Dezert, J., Mercier, G., Pan, Q.: Belief C-Means: an extension of fuzzy C-Means algorithm in belief functions framework. Pattern Recogn. Lett. 33(3), 291–300 (2012)CrossRef
8.
Liu, Z.-G., Pan, Q., Dezert, J., Mercier, G.: Credal C-Means clustering method based on belief functions. Knowl. Based Syst. 74(1), 119–132 (2015)CrossRef
9.
Masson, M.-H., Denoeux, T.: ECM: an evidential version of the fuzzy C-Means algorithm. Pattern Recogn. 41(4), 1384–1397 (2008)CrossRef
10.
Masson, M.-H., Denoeux, T.: RECM: relational evidential C-Means algorithm. Pattern Recogn. Lett. 30(11), 1015–1026 (2009)CrossRef
11.
Shafer, G.: A Mathematical Theory of Evidence. Princeton University Press, Princeton (1976)MATH
12.
Su, Z.-G., Wang, P.-H., Shen, J.: Automatic fuzzy partition approach using Variable string length Artificial Bee Colony (VABC) algorithm. Appl. Soft Comput. 12(11), 3421–3441 (2012)CrossRef
Metadaten
Titel
E2CM: An Evolutionary Version of Evidential C-Means Clustering Algorithm
verfasst von
Zhi-gang Su
Hong-yu Zhou
Pei-hong Wang
Gang Zhao
Ming Zhao
Copyright-Jahr
2018
Buch
Belief Functions: Theory and Applications

Print ISBN: 978-3-319-99382-9

Electronic ISBN: 978-3-319-99383-6

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-99383-6_29

Premium Partner

    Bildnachweise