Improvement of FCM neural network classifier using K-Medoids clustering
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F14%3A86092756" target="_blank" >RIV/61989100:27240/14:86092756 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1109/NaBIC.2014.6921852" target="_blank" >http://dx.doi.org/10.1109/NaBIC.2014.6921852</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/NaBIC.2014.6921852" target="_blank" >10.1109/NaBIC.2014.6921852</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Improvement of FCM neural network classifier using K-Medoids clustering
Popis výsledku v původním jazyce
Floating Centroids Method (FCM) is a new method to improve the performance of neural network classifier. But the K-Means clustering algorithm used in FCM is sensitive to outliers. So this weakness will influence the performance of classifier to a certainextent. In this paper, K-Medoids clustering algorithm which can diminish the sensitivity to the outliers is used to partition the mapping points into some disjoint subsets to improve FCM's robustness and performance. Some data sets from UCI Machine Learning Repository are employed in our experiments. The results show a better performance for the FCM using our improved method.
Název v anglickém jazyce
Improvement of FCM neural network classifier using K-Medoids clustering
Popis výsledku anglicky
Floating Centroids Method (FCM) is a new method to improve the performance of neural network classifier. But the K-Means clustering algorithm used in FCM is sensitive to outliers. So this weakness will influence the performance of classifier to a certainextent. In this paper, K-Medoids clustering algorithm which can diminish the sensitivity to the outliers is used to partition the mapping points into some disjoint subsets to improve FCM's robustness and performance. Some data sets from UCI Machine Learning Repository are employed in our experiments. The results show a better performance for the FCM using our improved method.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2014
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
NaBIC 2014 ; CASoN 2014 : July 30-31, Porto, Portugal
ISBN
978-1-4799-5937-2
ISSN
—
e-ISSN
—
Počet stran výsledku
6
Strana od-do
47-52
Název nakladatele
IEEE
Místo vydání
New York
Místo konání akce
Porto
Datum konání akce
30. 7. 2014
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—