Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

A Rough-fuzzy C-means using information entropy for discretized violent crimes data

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F14%3A86092817" target="_blank" >RIV/61989100:27240/14:86092817 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/61989100:27740/14:86092817

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1109/HIS.2013.6920495" target="_blank" >http://dx.doi.org/10.1109/HIS.2013.6920495</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/HIS.2013.6920495" target="_blank" >10.1109/HIS.2013.6920495</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    A Rough-fuzzy C-means using information entropy for discretized violent crimes data

  • Popis výsledku v původním jazyce

    This paper presents the factor clustering analysis for violent crimes. The efficiency of Rough-fuzzy C-means algorithm is affected by the numbers of clusters, and not all centroids are beneficial. The analyzing of violent crime data does not need human intervention for impartiality. The information entropy is a helpful tool for resolving those issues. In this paper, a novel discrete Rough-fuzzy C-means based on information entropy algorithm (DRFCMI) is proposed, which can obtain typical conclusions objectively. Experimental results illustrate that our proposed method is efficient. 2013 IEEE.

  • Název v anglickém jazyce

    A Rough-fuzzy C-means using information entropy for discretized violent crimes data

  • Popis výsledku anglicky

    This paper presents the factor clustering analysis for violent crimes. The efficiency of Rough-fuzzy C-means algorithm is affected by the numbers of clusters, and not all centroids are beneficial. The analyzing of violent crime data does not need human intervention for impartiality. The information entropy is a helpful tool for resolving those issues. In this paper, a novel discrete Rough-fuzzy C-means based on information entropy algorithm (DRFCMI) is proposed, which can obtain typical conclusions objectively. Experimental results illustrate that our proposed method is efficient. 2013 IEEE.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/ED1.1.00%2F02.0070" target="_blank" >ED1.1.00/02.0070: Centrum excelence IT4Innovations</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

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

    Proceedings of the 2013 Thirteenth International Conference on Hybrid Intelligent Systems (HIS 2013) : Yassmine Hammamet, Tunisia, 04-06 December, 2013

  • ISBN

    978-1-4799-2439-4

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

    23-27

  • Název nakladatele

    IEEE

  • Místo vydání

    New York

  • Místo konání akce

    Yassmine Hammamet

  • Datum konání akce

    4. 12. 2013

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku