Повышение эффективности инкрементной кластеризации нечетких данных
Рассмотрена задача кластеризации данных динамических измерений. Эта задача решается статистическим инкрементным методом. Предложен последовательный инкрементный алгоритм кластеризации нечетких данных, в котором модель кластера и модель входного образа учитывают их центр и форму. Для оценки расстояни...
Saved in:
| Published in: | Труды Института прикладной математики и механики |
|---|---|
| Date: | 2012 |
| Main Author: | |
| Format: | Article |
| Language: | Russian |
| Published: |
Інститут прикладної математики і механіки НАН України
2012
|
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/124081 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Повышение эффективности инкрементной кластеризации нечетких данных / К.К. Кадомский // Труды Института прикладной математики и механики НАН Украины. — Донецьк: ІПММ НАН України, 2012. — Т. 24. — С. 124-133. — Бібліогр.: 21 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1862726694141427712 |
|---|---|
| author | Кадомский, К.К. |
| author_facet | Кадомский, К.К. |
| citation_txt | Повышение эффективности инкрементной кластеризации нечетких данных / К.К. Кадомский // Труды Института прикладной математики и механики НАН Украины. — Донецьк: ІПММ НАН України, 2012. — Т. 24. — С. 124-133. — Бібліогр.: 21 назв. — рос. |
| collection | DSpace DC |
| container_title | Труды Института прикладной математики и механики |
| description | Рассмотрена задача кластеризации данных динамических измерений. Эта задача решается статистическим инкрементным методом. Предложен последовательный инкрементный алгоритм кластеризации нечетких данных, в котором модель кластера и модель входного образа учитывают их центр и форму. Для оценки расстояния между моделями предложена модификация расстояния Махаланобиса, которая сохраняет эвклидово расстояние в случае одноточечных моделей и позволяет сократить вычисления по сравнению с использованием расстояния Баттачария. Предложенный алгоритм позволяет повысить эффективность кластеризации по сравнению с существующими инкрементными алгоритмами и повысить скорость кластеризации по сравнению с итеративным ЕМ алгоритмом.
Розглянуто задачу кластеризацiї даних динамiчних вимiрiв. Ця задача вирiшується статистичним iнкрементним методом. Запропоновано послiдовний iнкрементний алгоритм кластеризацiї нечiтких даних, в якому модель кластера та модель вхiдного образу враховують їх центр i форму. Для оцiнки вiдстанi мiж моделями запропоновано модифiкацiю вiдстанi Махаланобiса, яка зберiгає евклiдову вiдстань у випадку одноточкових моделей i дозволяє скоротити обчислення в порiвняннi з використанням вiдстанi Баттачарiя. Запропонований алгоритм дозволяє пiдвищити ефективнiсть кластеризацiї в порiвняннi з iснуючими iнкрементними алгоритмами та пiдвищити швидкiсть кла- стеризацiї в порiвняннi з iтеративним ЕМ алгоритмом.
The problem of dynamic data clustering is addressed. This problem is solved by statistical incremental method. The sequential incremental fuzzy data clustering algorithm is proposed, in which the cluster model and the input model account for their center and shape. For estimating distance between models the modification of Mahalanobis distance is proposed, which preserves Euclidean distance in case of single-point models and allows reducing calculations in comparison with the use of Bhattacharyya distance. The proposed algorithm allows to improve clustering efficiency in comparison with existing incremental algorithms, and to improve clustering speed in comparison with iterative EM algorithm.
|
| first_indexed | 2025-12-07T18:59:37Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-124081 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1683-4720 |
| language | Russian |
| last_indexed | 2025-12-07T18:59:37Z |
| publishDate | 2012 |
| publisher | Інститут прикладної математики і механіки НАН України |
| record_format | dspace |
| spelling | Кадомский, К.К. 2017-09-19T20:09:21Z 2017-09-19T20:09:21Z 2012 Повышение эффективности инкрементной кластеризации нечетких данных / К.К. Кадомский // Труды Института прикладной математики и механики НАН Украины. — Донецьк: ІПММ НАН України, 2012. — Т. 24. — С. 124-133. — Бібліогр.: 21 назв. — рос. 1683-4720 https://nasplib.isofts.kiev.ua/handle/123456789/124081 004.852 Рассмотрена задача кластеризации данных динамических измерений. Эта задача решается статистическим инкрементным методом. Предложен последовательный инкрементный алгоритм кластеризации нечетких данных, в котором модель кластера и модель входного образа учитывают их центр и форму. Для оценки расстояния между моделями предложена модификация расстояния Махаланобиса, которая сохраняет эвклидово расстояние в случае одноточечных моделей и позволяет сократить вычисления по сравнению с использованием расстояния Баттачария. Предложенный алгоритм позволяет повысить эффективность кластеризации по сравнению с существующими инкрементными алгоритмами и повысить скорость кластеризации по сравнению с итеративным ЕМ алгоритмом. Розглянуто задачу кластеризацiї даних динамiчних вимiрiв. Ця задача вирiшується статистичним iнкрементним методом. Запропоновано послiдовний iнкрементний алгоритм кластеризацiї нечiтких даних, в якому модель кластера та модель вхiдного образу враховують їх центр i форму. Для оцiнки вiдстанi мiж моделями запропоновано модифiкацiю вiдстанi Махаланобiса, яка зберiгає евклiдову вiдстань у випадку одноточкових моделей i дозволяє скоротити обчислення в порiвняннi з використанням вiдстанi Баттачарiя. Запропонований алгоритм дозволяє пiдвищити ефективнiсть кластеризацiї в порiвняннi з iснуючими iнкрементними алгоритмами та пiдвищити швидкiсть кла- стеризацiї в порiвняннi з iтеративним ЕМ алгоритмом. The problem of dynamic data clustering is addressed. This problem is solved by statistical incremental method. The sequential incremental fuzzy data clustering algorithm is proposed, in which the cluster model and the input model account for their center and shape. For estimating distance between models the modification of Mahalanobis distance is proposed, which preserves Euclidean distance in case of single-point models and allows reducing calculations in comparison with the use of Bhattacharyya distance. The proposed algorithm allows to improve clustering efficiency in comparison with existing incremental algorithms, and to improve clustering speed in comparison with iterative EM algorithm. ru Інститут прикладної математики і механіки НАН України Труды Института прикладной математики и механики Повышение эффективности инкрементной кластеризации нечетких данных Пiдвищення ефективностi iнкрементної кластеризацiї нечiтких даних Efficient incremental clustering of fuzzy data Article published earlier |
| spellingShingle | Повышение эффективности инкрементной кластеризации нечетких данных Кадомский, К.К. |
| title | Повышение эффективности инкрементной кластеризации нечетких данных |
| title_alt | Пiдвищення ефективностi iнкрементної кластеризацiї нечiтких даних Efficient incremental clustering of fuzzy data |
| title_full | Повышение эффективности инкрементной кластеризации нечетких данных |
| title_fullStr | Повышение эффективности инкрементной кластеризации нечетких данных |
| title_full_unstemmed | Повышение эффективности инкрементной кластеризации нечетких данных |
| title_short | Повышение эффективности инкрементной кластеризации нечетких данных |
| title_sort | повышение эффективности инкрементной кластеризации нечетких данных |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/124081 |
| work_keys_str_mv | AT kadomskiikk povyšenieéffektivnostiinkrementnoiklasterizaciinečetkihdannyh AT kadomskiikk pidviŝennâefektivnostiinkrementnoíklasterizaciínečitkihdanih AT kadomskiikk efficientincrementalclusteringoffuzzydata |