Adaptive fuzzy clustering for data with missing values based on the nearest prototype - centroid strategy
No Thumbnail Available
Date
2013
Authors
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.