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:
Computer Based Stylometric Analysis of Texts in Polish Language Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Fuzzy Clustering with \(\varepsilon \)-Hyperballs and Its Application to Data Classification

verfasst von : Michal Jezewski, Robert Czabanski, Jacek Leski

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
loading …

Abstract

In the presented paper the Fuzzy Clustering with \(\varepsilon \)-Hyperballs being the prototypes is proposed. It is based on the idea of regions of insensitivity – described by the hyperballs of radius \(\varepsilon \), in which the distances of objects from the centers of the hyperballs are considered as equal to zero. The proposed clustering was applied to determine the parameters of fuzzy sets in antecedents of the classifier based on fuzzy if-then rules. The classification quality obtained for six benchmark datasets was compared with the reference classifiers. The results show the improvement of the classification accuracy using the proposed method.

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 A Framework for Business Failure Prediction
Nächstes Kapitel Two Modifications of Yinyang K-means Algorithm
Literatur
1.
Aggarwal, C.C., Reddy, C.K.: Data Clustering. Algorithms and Applications. CRC Press, Boca Raton (2014)MATH
2.
Bezdek, J.C.: Pattern Recognition with Fuzzy Objective Function Algorithms. Plenum Press, New York (1981)CrossRefMATH
3.
Cortes, C., Vapnik, V.: Support-vector networks. Mach. Learn. 20(3), 273–297 (1995)MATH
4.
Doring, C., Lesot, M.-J., Kruse, R.: Data analysis with fuzzy clustering methods. Comput. Stat. Data Anal. 51, 192–214 (2006)MathSciNetCrossRefMATH
5.
Gorzalczany, M.B., Rudzinski, F.: Interpretable and accurate medical data classification - a multi-objective genetic-fuzzy optimization approach. Expert Syst. Appl. 71, 26–39 (2017)CrossRef
6.
Ho, Y.-C., Kashyap, R.L.: An algorithm for linear inequalities and its applications. IEEE Trans. Electron. Comput. 14(5), 683–688 (1965)CrossRefMATH
7.
Jezewski, M., Czabanski, R., Horoba, K., Leski, J.M.: Clustering with pairs of prototypes to support automated assessment of the fetal state. Appl. Artif. Intell. 30(6), 572–589 (2016)CrossRef
8.
Jezewski, M., Leski, J.M., Czabanski, R.: Classification based on incremental fuzzy \((1+p)\)-means clustering. In: Gruca, A., Brachman, A., Kozielski, S., Czachórski, T. (eds.) Man–Machine Interactions 4. AISC, vol. 391, pp. 563–572. Springer, Cham (2016). doi:10.​1007/​978-3-319-23437-3_​48
9.
Kruse, R., Doring, C., Lesot, M.-J.: Fundamentals of fuzzy clustering. In: de Oliveira, J.V., Pedrycz, W. (eds.) Advances in Fuzzy Clustering and Its Applications, pp. 3–30. Wiley Ltd., Chichester (2007)
10.
Leski, J.M.: An \(\varepsilon \)-insensitive approach to fuzzy clustering. Int. J. Appl. Math. Comput. Sci. 11(4), 993–1007 (2001)MathSciNetMATH
11.
Leski, J.M.: Fuzzy \((c+p)\)-means clustering and its application to a fuzzy rule-based classifier: toward good generalization and good interpretability. IEEE Trans. Fuzzy Syst. 23(4), 802–812 (2015)CrossRef
12.
Leski, J.M.: Ho-Kashyap classifier with generalization control. Pattern Recogn. Lett. 24(14), 2281–2290 (2003)CrossRefMATH
13.
Leski, J.M.: Iteratively reweighted least squares classifier and its \(\ell _2\)- and \(\ell _1\)-regularized kernel versions. Bull. Polish Acad. Sci. Tech. Sci. 58(1), 171–182 (2010)MathSciNet
14.
Mangasarian, O.L., Musicant, D.R.: Lagrangian support vector machines. J. Mach. Learn. Res. 1, 161–177 (2001)MathSciNetMATH
15.
Mika, S., Ratsch, G., Weston, J., Scholkopf, B., Muller, K.-R.: Fisher discriminant analysis with kernels. In: Proceedings of Neural Networks for Signal Processing IX, pp. 41–48 (1999)
16.
Ratsch, G., Onoda, T., Muller, K.-R.: Soft margins for AdaBoost. Mach. Learn. 42, 287–320 (2001)CrossRefMATH
17.
Xu, R., Wunsch, II, D.C.: Clustering. Wiley Inc., Hoboken (2009)
18.
Metadaten
Titel
Fuzzy Clustering with -Hyperballs and Its Application to Data Classification
verfasst von
Michal Jezewski
Robert Czabanski
Jacek Leski
Copyright-Jahr
2017
Buch
Artificial Intelligence and Soft Computing

Print ISBN: 978-3-319-59059-2

Electronic ISBN: 978-3-319-59060-8

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-59060-8_9

Premium Partner

    Bildnachweise