Adaptive fuzzy clustering for data with missing values based on the nearest prototype - centroid strategy

Loading...
Thumbnail Image

Date

2013

Journal Title

Journal ISSN

Volume Title

Publisher

Видавництво Львівської політехніки

Abstract

Розглянуто задачу кластеризації масивів векторних даних, що мають пропущені значення у деяких компонентах. Запропоновано адаптивний підхід до кластеризації таких даних за умов, коли класи перетинаються. В основі підходу є використання модифікованої мапи Кохонена із функцією суcідства спецiального вигляду. The problem of clustering vector data sets with missing values in some components is considered. The adaptive approach to clustering of data in situation then classes overlap is proposed. The basis of the approach is the using of the modified Kohonen maps with the neighborhood function of special kind.

Description

Keywords

нечітка кластеризація, самоорганізовна мережа Кохонена, правило навчання, неповні дані з пропущенними значеннями, fuzzy clustering, learning rule, incomplete data with missing values, Kohonen self-organizing network

Citation

Bodyanskiy Ye. Adaptive fuzzy clustering for data with missing values based on the nearest prototype - centroid strategy / Ye. Bodyanskiy, A. Shafronenko // Вісник Національного університету «Львівська політехніка». – 2013. – № 771 : Комп'ютерні науки та інформаційні технології. – С. 309–315. – Бібліографія: 5 назв.

Endorsement

Review

Supplemented By

Referenced By