nach oben

Erschienen in:

2019 | OriginalPaper | Buchkapitel

Fuzzy Clustering High-Dimensional Data Using Information Weighting

verfasst von : Yevgeniy V. Bodyanskiy, Oleksii K. Tyshchenko, Sergii V. Mashtalir

Erschienen in: Artificial Intelligence and Soft Computing

Verlag: Springer International Publishing

Einloggen

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

search-config

KI-gestützte Suche

Aus

Abstract

The fuzzy clustering algorithm for high-dimensional data is proposed in this paper. An objective function which is insensitive to the “concentration of norms” phenomenon is also introduced. We recommend using a weighted parameter in the objective function. The proposed fuzzy clustering algorithm is compared with FCM in the experimental part. Dependence of the clustering algorithm’s results on the weighted parameter changes has also been investigated and tested.

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 Different Aggregation Modes Applications Within the Framework of Weights Uncertainty

Nächstes Kapitel Solving the Software Project Scheduling Problem with Hyper-heuristics

Kruse, R., Borgelt, C., Klawonn, F., Moewes, C., Steinbrecher, M., Held, P.: Computational Intelligence. A Methodological Introduction. Springer, Berlin (2013). https://doi.org/10.1007/978-1-4471-5013-8CrossRefMATH

Mumford, C.L., Jain, L.C.: Computational Intelligence. Springer, Berlin (2009)CrossRef

Aggarwal, C.C.: Data Mining. Springer, Cham (2015). https://doi.org/10.1007/978-3-319-14142-8CrossRefMATH

Larose, D.T.: Discovering Knowledge in Data: An Introduction to Data Mining. Wiley, Hoboken (2014)MATH

Gan, G., Ma, Ch., Wu, J.: Data Clustering: Theory, Algorithms, and Application. SIAM, Philadelphia (2007)CrossRef

Aggarwal, C.C., Reddy, C.K.: Data Clustering: Algorithms and Applications. CRC Press, Boca Raton (2014)CrossRef

Yang, M.-S., Chang-Chien, S.-J., Hung, W.-L.: An unsupervised clustering algorithm for data on the unit hypersphere. Appl. Soft Comput. 42, 290–313 (2016)CrossRef

Gosain, A., Dahiya, S.: Performance analysis of various fuzzy clustering algorithms: a review. Procedia Comput. Sci. 79, 100–111 (2016)CrossRef

Xu, R., Wunsch, D.C.: Clustering. IEEE Press Series on Computational Intelligence. Wiley, Hoboken (2009)

10.

Babichev, S., Lytvynenko, V., Korobchynskyi, M., Taiff, M.A.: Objective clustering inductive technology of gene expression sequences features. In: Kozielski, S., Mrozek, D., Kasprowski, P., Małysiak-Mrozek, B., Kostrzewa, D. (eds.) BDAS 2017. CCIS, vol. 716, pp. 359–372. Springer, Cham (2017). https://doi.org/10.1007/978-3-319-58274-0_29CrossRef

11.

Abonyi, J., Feil, B.: Cluster Analysis for Data Mining and System Identification. Birkhauser, Basel (2007). https://doi.org/10.1007/978-3-7643-7988-9CrossRefMATH

12.

Hu, Z., Bodyanskiy, Ye.V., Tyshchenko, O.K.: A cascade deep neuro-fuzzy system for high-dimensional online possibilistic fuzzy clustering. In: Proceedings of the 11th International Scientific and Technical Conference “Computer Sciences and Information Technologies”, CSIT 2016, Lviv, pp. 119–122 (2016)

13.

Hu, Z., Bodyanskiy, Ye.V., Tyshchenko, O.K., Boiko, O.O.: A neuro-fuzzy Kohonen network for data stream possibilistic clustering and its online self-learning procedure. Appl. Soft Comput. J. 68, 710–718 (2018)CrossRef

14.

Bodyanskiy, Ye.V., Tyshchenko, O.K., Kopaliani, D.S.: An evolving connectionist system for data stream fuzzy clustering and its online learning. Neurocomputing 262, 41–56 (2017)CrossRef

15.

Kohonen, T.: Self-Organizing Maps. Springer, Berlin (1995). https://doi.org/10.1007/978-3-642-97610-0CrossRefMATH

16.

Klawonn, F.: What can fuzzy cluster analysis contribute to clustering of high-dimensional data? In: Masulli, F., Pasi, G., Yager, R. (eds.) WILF 2013. LNCS (LNAI), vol. 8256, pp. 1–14. Springer, Cham (2013). https://doi.org/10.1007/978-3-319-03200-9_1CrossRefMATH

17.

Bezdek, J.C.: Pattern Recognition with Fuzzy Objective Function Algorithms. Plenum Press, New York (1981)CrossRef

18.

Hoeppner, F., Klawonn, F., Kruse, R., Runkler, T.: Fuzzy Clustering Analysis: Methods for Classification, Data Analysis, and Image Recognition. Wiley, Chichester (1999)MATH

19.

Klawonn, F., Höppner, F.: What is fuzzy about fuzzy clustering? Understanding and improving the concept of the fuzzifier. In: R. Berthold, M., Lenz, H.-J., Bradley, E., Kruse, R., Borgelt, C. (eds.) IDA 2003. LNCS, vol. 2810, pp. 254–264. Springer, Heidelberg (2003). https://doi.org/10.1007/978-3-540-45231-7_24CrossRef

20.

Bezdek, J.C., Keller, J., Krishnapuram, R., Pal, N.R.: Fuzzy Models and Algorithms for Pattern Recognition and Image Processing. Springer, New York (2005)

21.

Keller, A., Klawonn, F.: Fuzzy clustering with a weighting of data variables. Int. J. Uncertainty Fuzziness Knowl. Based Syst. 8(6), 735–746 (2000)CrossRef

Titel: Fuzzy Clustering High-Dimensional Data Using Information Weighting
verfasst von: Yevgeniy V. Bodyanskiy
Oleksii K. Tyshchenko
Sergii V. Mashtalir
Verlag: Springer International Publishing
Buch: Artificial Intelligence and Soft Computing
Print ISBN: 978-3-030-20911-7

Electronic ISBN: 978-3-030-20912-4

Copyright-Jahr: 2019
DOI: https://doi.org/10.1007/978-3-030-20912-4_36

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

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

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Premium Partner