PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2010 | 17 | nr 107 Klasyfikacja i analiza danych - teoria i zastosowania | 190--196
Tytuł artykułu

Rozmyta klasyfikacja k-średnich dla danych symbolicznych interwałowych

Autorzy
Warianty tytułu
Fuzzy c-Means Clustering for Symbolic Data
Języki publikacji
PL
Abstrakty
Artykuł przedstawia adaptacyjną i nieadaptacyjną klasyfikację k-średnich dla danych symbolicznych. Obydwie te metody znajdują zastosowanie wyłącznie dla interwałowych zmiennych symbolicznych. W artykule przedstawiono także typy zmiennych symbolicznych.W części empirycznej zastosowano nieadaptacyjną klasyfikację A-średnich dla przykładowych danych symbolicznych.(abstrakt oryginalny)
EN
This paper introduces adaptive and non-adaptive fuzzy c-means clustering methods for symbolic data. Both methods are suitable only for interval-valued symbolic data! The article also presents types of symbolic variables. In the empirical part of the paper, non-adaptive fuzzy c-means clustering method was applied to exemplary symbolic data. (original abstract)
Twórcy
  • Uniwersytet Ekonomiczny we Wrocławiu
Bibliografia
  • Bezdek J.C., Pattern Recognition with Fuzzy Objective Function Algorithms, Plenum Press, New York 1981.
  • Bock H.-H., Diday E. (red.), Analysis of Symbolic Data. Explanatory Methods for Extracting Statistical Information from Complex Data, Springer-Verlag, Berlin-Heidelberg 2000.
  • De Carvalho F.A.T., Fuzzy c-means clustering methods for symbolic interval data, "Pattern Recognition Letters" 2007 vol. 28, Issue 4, s. 423-437.
  • Dunn J.C., A fuzzy relative of the ISODATA process and its use in detecting compact well-separated clusters, "Journal of Cybernetics" 1973 no 3, s. 32-57.
  • El-Sonbaty Y., Ismail M.A., Fuzzy clustering for symbolic data, "IEEE Transactions on FUZZY Systems" 1998 vol. 6, no 2, s. 195-204.
  • Lasek M., Data mining. Zastosowanie w analizach i ocenach klientów bankowych. Biblioteka Menedżera i Bankowca, Warszawa 2002.
  • Milligan G.W., Clustering Validation: Results and Implications for Applied Analyses, [w:] Clustering and Classification, P. Arabie, L.J. Hubert, G. de Soete (red.), World Scientific, Singapore 1996, s.341-375.
  • Pełka M., Porównanie strategii klasyfikacji danych symbolicznych, Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu (w druku), 2009.
  • Verde R., Clustering Methods in Symbolic Data Analysis, [w:] Classification, Clustering and I Mining Applications, D. Banks, L. House, E.R. McMorris, P. Arabie, W. Gaul (red.), Springer-Verlag, Heidelberg 2004, s. 299-317.
  • Yang M.S., Hwang P.Y., Chen D.H., Fuzzy clustering algorithms for mixed feature variables, "Fuzzy Sets and Systems" 2004 vol. 141, Issue 2, s. 301 -317.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171336025

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.