Zastosowanie algorytmów genetycznych w klasyfikacji bezwzorcowej

• Autorzy: Janusz Morajda , Mariusz Grabowski

Warianty tytułu

The Application of Genetic Algorithms in Non-Formulae Classification

• Języki publikacji: PL

Abstrakty

Algorytmy genetyczne mogą okazać się przydatnym narzędziem w poszukiwaniu rozwiązań dla wielu klasycznych problemów, również o dużym stopniu trudności. Artykuł stanowi próbę zastosowania algorytmów genetycznych, należących do rodziny metod sztucznej inteligencji, w celu rozwiązania zagadnienia klasyfikacji bezwzorcowej.

EN

The article discusses an attempt at applying genetic algorithms in non-formulae classification. As the test set the author used the Iris set comprising a sui generis model for testing grouping methods. For the purpose of resolving the problem the article proposes a certain modification of the genetic algorithm. The obtained grouping results indicated the purposefulness of exploiting the procedures of genetic optimalisation as grouping methods. In order to render objective the obtained results, the author compared the genetic algorithm with other grouping methods, and especially the k-means method and the Kohonen neural network (Self Organising Map). The conducted comparative experiments confirmed the usefulness of genetic algorithms as grouping procedures, and pointed to them as methods alternative in relation to classical grouping methods. (original abstract)

Słowa kluczowe

PL

Algorytmy; Programowanie genetyczne; Taksonomia; Metoda k-średnich; Mapa samoorganizująca

EN

Algorithms; Genetic programming; Taxonomy; K-means methods; Self-Organizing Maps (SOM)

• Czasopismo: Przegląd Statystyczny
• Rocznik: 2001
• Tom: 48
• Numer: z. 3-4
• Strony: 301--314

Twórcy

autor

Janusz Morajda

autor

Mariusz Grabowski

Bibliografia

• [1] Bauer R., Genetic Algorithms and Investment Strategies, John Wiley & Sons, Inc, New York 1994.
• [2] Cytowski J., Algorytmy genetyczne, podstawy i zastosowania, Akademicka Oficyna Wydawnicza PLJ, Warszawa 1996.
• [3] Davis L. (editor), Handbook of Genetic Algorithms, Van Nostrand Reinhold, 1991.
• [4] Duda R.O., Hart P.E., Pattern Classisication and Scene Analysis, Wiley, New York 1973.
• [5] Goldberg D.E., Algorytmy genetyczne i ich zastosowania, WNT Warszawa 1995.
• [6] Grabiński, T., Wydymus, S., Zeliaś, ?., Metody taksonomii numerycznej w modelowaniu zjawisk społeczno-gospodarczych, WNT, Warszawa 1989.
• [7] Grabowski M., Application of Self-Organizing Maps to Outlier Identification and Estimation of Missing Data, in: Rizzi ?., Vichi M., Bock H.-H., (Editors), Advances in Data Science and Classification, Springer-Yerlag, Berlin 1998, pp. 279-286.
• [8] Greene D.P., Smith S.F., A genetic system for learning models of consumer choice, Genetic algorithms and their applications: Proceedings of the Second International Conference on Genetic Algorithms, 1987, pp. 217-223.
• [9] Holland J.H., Adaptation in Natural and Artifical Systems, University of Michigan Press, Ann Arbor, Ml, 1975.
• [10] Jajuga K., Statystyczna teoria rozpoznawania obrazów, PWN, Warszawa 1990.
• [11] Jajuga K., Statystyczna analiza wielowymiarowa, PWN, Warszawa 1993.
• [12] Michalewicz Z., Algorytmy genetyczne + struktury danych programy ewolucyjne, WNT Warszawa 1996.
• [13] Murtagh F., Hernändez-Pajeraz, Clustering moderately-sized datasets using the Kohonen map approach, Statistics in Transition — Journal of the Polish Statistical Association, 2, 1995, pp. 151-162.
• [14] Murtagh F., Hernändez-Pajeraz M., The Kohonen Self-Organizing Map Method: An Assesment, Journal of Classification 12, 1995, pp. 165-190.
• [15] Packard N., A genetic learning algorithm for the analysis of complex data, Complex Sys. 4, 1990, pp. 573-586.
• [16] Sobczak W., Malina W., Metody selekcji i redukcji informacji, WNT, Warszawa 1985.
• [17] Thompson B., Thompson B., Evolving knowledge from data, Computer Language, 3 (11), 1986, pp. 23-26.
• [18] Whitley G. (editor), Foundations of Genetic Algorithms, Morgan Kaufmann, San Mateo, CA, 1992.