区间2型最大似然模糊聚类算法

Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022) Pub Date : 2022-11-28 DOI:10.5753/eniac.2022.226935

Ben-Hur Matthews Moreno Montel, G. Serra

{"title":"区间2型最大似然模糊聚类算法","authors":"Ben-Hur Matthews Moreno Montel, G. Serra","doi":"10.5753/eniac.2022.226935","DOIUrl":null,"url":null,"abstract":"Este artigo apresenta a proposta de um algoritmo para agrupamento nebuloso baseada no processamento de máxima verossimilhança sobre o fluxo de dados. A metodologia adotada consiste em eliminar problemas de inicialização e iderteminações matemáticas (convergência), relativas à implementação computacional, via análise da norma de distância entre as amostras dos dados e os centros dos agrupamentos, bem como no uso de sistemas nebulosos tipo-2 intervalares para a criação de protótipos realísticos aos agrupamentos. Resultados relacionados ao arupamento de dados benchmark e análise da velocidade de convergência ilustram a eficiência da metodologia proposta em comparação a outros algoritmos de agrupamento apresentados na literatura.","PeriodicalId":165095,"journal":{"name":"Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022)","volume":"70 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-11-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"An Interval Type-2 Maximum Likelihood Fuzzy Clustering Algorithm\",\"authors\":\"Ben-Hur Matthews Moreno Montel, G. Serra\",\"doi\":\"10.5753/eniac.2022.226935\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Este artigo apresenta a proposta de um algoritmo para agrupamento nebuloso baseada no processamento de máxima verossimilhança sobre o fluxo de dados. A metodologia adotada consiste em eliminar problemas de inicialização e iderteminações matemáticas (convergência), relativas à implementação computacional, via análise da norma de distância entre as amostras dos dados e os centros dos agrupamentos, bem como no uso de sistemas nebulosos tipo-2 intervalares para a criação de protótipos realísticos aos agrupamentos. Resultados relacionados ao arupamento de dados benchmark e análise da velocidade de convergência ilustram a eficiência da metodologia proposta em comparação a outros algoritmos de agrupamento apresentados na literatura.\",\"PeriodicalId\":165095,\"journal\":{\"name\":\"Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022)\",\"volume\":\"70 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-11-28\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022)\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.5753/eniac.2022.226935\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/eniac.2022.226935","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

摘要

本文提出了一种基于数据流最大似然处理的模糊聚类算法。方法是消除初始化问题,数学iderteminações(融合)的计算机实现,通过标准的分析样本之间的距离和数据中心组织,以及在使用2型模糊系统的分解原型创造现实的群体。与基准数据采集和收敛速度分析相关的结果表明，与文献中提出的其他聚类算法相比，该方法的效率更高。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

查看原文本刊更多论文

An Interval Type-2 Maximum Likelihood Fuzzy Clustering Algorithm

Este artigo apresenta a proposta de um algoritmo para agrupamento nebuloso baseada no processamento de máxima verossimilhança sobre o fluxo de dados. A metodologia adotada consiste em eliminar problemas de inicialização e iderteminações matemáticas (convergência), relativas à implementação computacional, via análise da norma de distância entre as amostras dos dados e os centros dos agrupamentos, bem como no uso de sistemas nebulosos tipo-2 intervalares para a criação de protótipos realísticos aos agrupamentos. Resultados relacionados ao arupamento de dados benchmark e análise da velocidade de convergência ilustram a eficiência da metodologia proposta em comparação a outros algoritmos de agrupamento apresentados na literatura.

求助全文

通过发布文献求助，成功后即可免费获取论文全文。去求助

来源期刊

Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022)

自引率

0.00%

发文量