دانلود مقاله ISI انگلیسی شماره 79001
عنوان فارسی مقاله

ارتقاء الگوریتم خوشه بندی c-means فازی رابطه

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
79001 2014 11 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Improvements to the relational fuzzy c-means clustering algorithm
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Pattern Recognition, Volume 47, Issue 12, December 2014, Pages 3920–3930

کلمات کلیدی
خوشه بندی فازی؛ c-means رابطه؛ ماتریس فاصله اقلیدسی
پیش نمایش مقاله
پیش نمایش مقاله ارتقاء الگوریتم خوشه بندی c-means فازی رابطه

چکیده انگلیسی

Relational fuzzy c-means (RFCM) is an algorithm for clustering objects represented in a pairwise dissimilarity values in a dissimilarity data matrix D. RFCM is dual to the fuzzy c-means (FCM) object data algorithm when D is a Euclidean matrix. When D is not Euclidean, RFCM can fail to execute if it encounters negative relational distances. To overcome this problem we can Euclideanize the relation D prior to clustering. There are different ways to Euclideanize D such as the β-spread transformation. In this article we compare five methods for Euclideanizing D   to D˜. The quality of D˜ for our purpose is judged by the ability of RFCM to discover the apparent cluster structure of the objects underlying the data matrix D  . The subdominant ultrametric transformation is a clear winner, producing much better partitions of D˜ than the other four methods. This leads to a new algorithm which we call the improved RFCM (iRFCM).

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.