350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №4 за 2016 г.
Статья в номере:
Кластеризация данных на основе самоорганизующихся растущих нейронных сетей и марковского алгоритма кластеризации
Ключевые слова: самоорганизующиеся растущие нейронные сети ядерная оценка плотности распределения он-лайновое обучение без учителя представление топологии данных кластеризация интеллектуальный анализ данных марковский алгоритм кластеризации нормализованная взаимная информация F-мера
Авторы:
Ю.С. Федоренко - аспирант, кафедра «Системы обработки информации и управления», МГТУ им. Н.Э. Баумана. E-mail: Fedyura1992@yandex.ru Ю.Е. Гапанюк - к.т.н., доцент, кафедра «Системы обработки информации и управления», МГТУ им. Н.Э. Баумана. E-mail: gapyu@bmstu.ru
Аннотация:
Представлен алгоритм кластеризации данных на основе самоорганизующихся растущих нейронных сетей (SOINN) и марковского алгоритма кластеризации (MCL). Проведено экспериментальное сравнение алгоритмов кластеризации, включая предложенный алгоритм, на шести тестовых наборах данных по двум метрикам кластеризации. Проанализированы полученные результаты и показана эффективность предложенного алгоритма кластеризации.
Страницы: 3-13
Список источников

 

  1. Айвазян С. А., Бухштабер В. М., Енюков И. С., Мешалкин Л. Д. Прикладная статистика: классификация и снижение размерности / под ред. С. А. Айвазяна. М.: Финансы и статистика. 1989. 608 с.
  2. Лабунец Л. В., Лабунец Н. Л., Чижов М. Ю. Рекуррентные статистики нестационарных временных рядов // Радиотехника и электроника. 2011. № 12. С. 1468-1489.
  3. Сегаран Т. Программируем коллективный разум: пер. с англ. А. Слинкина. СПб.: Символ-Плюс. 2008. 368 с. [Segaran T. Programming Collective Intelligence. O-REILLY, 2008. 368 p.].
  4. Eick R. Density-based Clustering. Available at: http://www2.cs.uh.edu/~ceick/ML/Topic9.ppt (accessed 27.05.15).
  5. Silverman B. W. Density Estimation for Statistics and Data Analysis. - Springer Science Business Media. 1986. 175 p.
  6. Gutierrez-Osuna R. L7: Kernel density estimation. Available at: http://research.cs.tamu.edu/prism/lectures/pr/pr_l7.pdf (accessed 27.05.15).
  7. Xiao X., Zhang H., Hasegawa O. Density Estimation Method Based on Self-Organizing Incremental Neural Network and Error Estimation // Proceedings of the Neural Information Processing: 20th International Conference, ICONIP 2013. Daegu, Korea. 2013. Р. 43-50.
  8. Furao S., Hasegawa O.An incremental network for on-line unsupervised classification and topology learning // Neural Networks. 2005. № 4. 1-17 p.
  9. Furao S., Ogura T., Hasegawa O. An enhanced self-organizing incremental neural network for online unsupervised learning // Neural Networks. 2007. № 6. Р. 893-903.
  10. Stijn Van Dongen.Graph clustering via a discrete uncoupling process. Siam Journal on Matrix Analysis and Applications (SIAM) 30-1. Society for Industrial and Applied Mathematics. Philadelphia. USA, 2008. Р. 121-141.
  11. Zahn C.T. Graph-theoretical methods for detecting and describing gestalt clusters // IEEE Transactions on Computers.1971. Р. 68-86.
  12. Jain A., Law M. Data clustering: a user-s dilemma // Lecture Notes in Computer Science. 2005. V. 3776. Р. 1-10.
  13. Chang H., Yeung D. Y.Robust path-based spectral clustering. Pattern Recognition. 2008.Р. 191-203.
  14. Fisher R. A. The use of multiple measurements in taxonomical problems. Annals of Eugenics 7.1936. Р. 179-188.
  15. Маннинг К.Д., Рагхаван П., Шютце Х. Введение в информационный поиск: Пер. с англ. М.: ООО «И.Д. Вильямс». 2011. 528 с. [Manning C.D., Raghavan P., Schutze H.Introduction to Information Retrieval. Cambridge University Press. 2010. 521p.].
  16. Gray M.R. Entropy and Information Theory. First edition. Springer-Verlag. New York. 2013. 311p.
  17. Pugh J.K., Stanley K.O. Evolving Multimodal Controllers with HyperNEAT. Proceedings of the Genetic and Evolutionary Computation Conference (GECCO 2013). New York. NY: ACM. 2013. 8 p.
  18. Самохвалов Э.Н., Ревунков Г.И., Гапанюк Ю.Е. Использование метаграфов для описания семантики и прагматики информационных систем. Вестник МГТУ им. Н.Э. Баумана. Сер. «Приборостроение». 2015. Вып. № 1.