Comparison of Accuracy of Affinity Propagation Method and Cluster Ensembles Based on Co-Occurrence Matrix

• Autorzy: Dorota Rozmus

Warianty tytułu

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

• Języki publikacji: EN

Abstrakty

EN

High accuracy of results is a very important task in any grouping problem (clustering). It determines effectiveness of the decisions based on them. Therefore in the literature there are proposed methods and solutions whose main aim is to give more accurate results than traditional clustering algorithms (e.g. £-means or hierarchical methods). Examples of such solutions can be cluster ensembles or affinity propagation method. Here, we carry out an experimental study to compare accuracy of those two approaches. (original abstract)

Stosując metody taksonomiczne 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. fc-średnich, metod hierarchicznych). Przykładem mogą tu być metody polegające na zastosowaniu podejścia zagregowanego, czyli łączenia wyników uzyskanych w wyniku wielokrotnego grupowania (ang. cluster ensemble) oraz taksonomiczna metoda propagacji podobieństwa (ang. affinity propagatton clustering). Głównym celem tego artykułu jest porównanie dokładności taksonomicznej metody propagacji podobieństwa zaproponowana przez Frey i Duecka (2007) oraz zagregowanych algorytmów taksonomicznych opartych idei macierzy współwystąpień (Fred, Jain 2002). (abstrakt oryginalny)

Słowa kluczowe

EN

Taxonomic methods; Algorithms; Matrix; Cluster analysis

PL

Metody taksonomiczne; Algorytmy; Macierze; Analiza skupień

• Czasopismo: Acta Universitatis Lodziensis. Folia Oeconomica
• Rocznik: 2013
• Tom: 286 Methods and Applications of Multivariate Statistical Analysis
• Strony: 189--196

Twórcy

autor

Dorota Rozmus

• The Karol Adamiecki University of Economics in Katowice, Poland

Bibliografia

• Fred A. (2002), Finding consistent clusters in data partitions, in Roli F., Kittler J., editors, Proceedings of the International Workshop on Multiple Classifier Systems, pages: 309-318.
• Fred A., Jain A. K. (2002), Data clustering using evidence accumulation, Proceedings of the Sixteenth International Conference on Pattern Recognition, pages 276-280.
• Frey B. J., Dueck D., (2007), Clustering by passing messages between data points, Science, 315, 972-976. DOI: 10.1126/science. 1136800.
• Pekalska E., Duin R. P. W. (2000), Classifiers for dissimilarity-based pattern recognition, in Sanfeliu A., Villanueva J. J, Vanrell M., Alquezar R, Jain A. K. and Kittler J., editors, Proceedings of the Fifteenth International Conference on Pattern Recognition, pages 12-16, IEEE Computer Society Press, Los Alamitos.