Porównanie dokładności taksonomicznej metody propagacji podobieństwa oraz zagregowanych algorytmów taksonomicznych opartych na idei metody bagging

• Autorzy: Dorota Rozmus

Warianty tytułu

Comparison of Accuracy of Affinity Propagation Clustering and Cluster Ensembles Based on Bagging Idea

• Języki publikacji: PL

Abstrakty

Podczas stosowania metod taksonomicznych w jakimkolwiek zagadnieniu klasyfikacji ważną kwestią jest zapewnienie wysokiej poprawności wyników grupowania. Od niej bowiem zależeć będzie skuteczność wszelkich decyzji podjętych na ich podstawie. Stąd też w literaturze wciąż proponowane są nowe rozwiązania, które mają przynieść poprawę dokładności grupowania w stosunku do tradycyjnych metod (np. k-średnich, metod hierarchicznych). Przykładem mogą tu być metody polegające na zastosowaniu podejścia zagregowanego, czyli łączenia wyników uzyskanych w wyniku wielokrotnego grupowania (cluster ensemble) oraz taksonomiczna metoda propagacji podobieństwa (affinity propagation clustering). Głównym celem artykułu jest porównanie dokładności zagregowanych algorytmów taksonomicznych opartych na idei metody bagging oraz taksonomicznej metody propagacji podobieństwa.(abstrakt oryginalny)

EN

High accuracy of the results is a very important task in any grouping problem (clustering). Therefore in the literature there are proposed methods and solutions that main aim is to give more accurate results than traditional clustering algorithms. Examples of such solutions can be cluster ensembles or affinity propagation method. The main aim of the article is to compare the accuracy of these two approaches. There will be considered cluster ensembles based on bagging idea [Dudoit, Fridlyand 2003; Hornik 2005; Leisch 1999] and affinity propagation method proposed by Frey and Dueck [2007].(original abstract)

Słowa kluczowe

PL

Taksonomia

EN

Taxonomy

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2013
• Tom: 21
• Numer: nr 279 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 106--114

Twórcy

autor

Dorota Rozmus

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Bezdek J.C., Pattern Recognition with Fuzzy Objective Function Algorithms, Plenum Press, New York 1981.
• Bodenhofer U., Kothmeier A., Hochreiter S., APCluster: an R package for affinity propagation clustering, "Bioinformatics" 27(17):2463-2464, 2001.DOI: 10.1093/bioinformatics/btr406.
• Dudoit S., Fridlyand J., Bagging to improve the accuracy of a clustering procedure, "Bioinformatics" 2003, vol. 19, no. 9, 1090-1099.
• Frey B.J., Dueck D., Clustering by passing messages between data points, "Science", 315, 2007, 972-976. DOI: 10.1126/science.1136800.
• Hornik K., A CLUE for CLUster ensembles, "Journal of Statistical Software", 2005, 14:65-72.
• Leisch F., Bagged clustering, "Adaptive Information Systems and Modeling in Economics and Management Science", Working Papers, SFB, 1999, 51.