Robust kernel fuzzy clustering

Weiwei Du, Kohei Inoue, Kiichi Urahama

    研究成果: 書籍/レポート タイプへの寄稿会議への寄与

    1 被引用数 (Scopus)

    抄録

    We present a method for extracting arbitrarily shaped clusters buried in uniform noise data. The popular k-means algorithm is firstly fuzzified with addition of entropie terms to the objective function of data partitioning problem. This fuzzy clustering is then kernelized for adapting to the arbitrary shape of clusters. Finally, the Euclidean distance in this kernelized fuzzy clustering is modified to a robust one for avoiding the influence of noisy background data. This robust kernel fuzzy clustering method is shown to outperform every its predecessor: fuzzified k-means, robust fuzzified k-means and kernel fuzzified k-means algorithms.

    本文言語英語
    ホスト出版物のタイトルFuzzy Systems and Knowledge Discovery - Second International Conference, FSKD 2005, Proceedings
    出版社Springer Verlag
    ページ454-461
    ページ数8
    ISBN(印刷版)9783540283126
    出版ステータス出版済み - 2006
    イベント2nd International Conference on Fuzzy Systems and Knowledge Discovery, FSKD 2005 - Changsa, 中国
    継続期間: 8月 27 20058月 29 2005

    出版物シリーズ

    名前Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)
    3613 LNAI
    ISSN(印刷版)0302-9743
    ISSN(電子版)1611-3349

    その他

    その他2nd International Conference on Fuzzy Systems and Knowledge Discovery, FSKD 2005
    国/地域中国
    CityChangsa
    Period8/27/058/29/05

    !!!All Science Journal Classification (ASJC) codes

    • 理論的コンピュータサイエンス
    • コンピュータサイエンス一般

    フィンガープリント

    「Robust kernel fuzzy clustering」の研究トピックを掘り下げます。これらがまとまってユニークなフィンガープリントを構成します。

    引用スタイル