Gaussian Mixture Model Cluster Forest

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F16%3A86096026" target="_blank" >RIV/61989100:27240/16:86096026 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/61989100:27740/16:86096026

Výsledek na webu

<a href="http://ieeexplore.ieee.org/document/7424454/" target="_blank" >http://ieeexplore.ieee.org/document/7424454/</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/ICMLA.2015.12" target="_blank" >10.1109/ICMLA.2015.12</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Gaussian Mixture Model Cluster Forest

Popis výsledku v původním jazyce

Random Forest (RF) classification algorithm is widely used in the area of information retrieval and became a basis for some extended branches of classification and/or regression algorithms. Cluster Forest (CF) represents a particular branch, and brings usually better results than individual clustering algorithms. This article describes a new ensemble clustering algorithm based on CF that internally uses a probabilistic model called Gaussian Mixture Model (GMM). Finally, Expectation-maximization algorithm is used for estimation of GMM parameters. The proposed ensemble clustering algorithm will be compared with several different approaches and tested on eight datasets.

Název v anglickém jazyce

Gaussian Mixture Model Cluster Forest

Popis výsledku anglicky

Random Forest (RF) classification algorithm is widely used in the area of information retrieval and became a basis for some extended branches of classification and/or regression algorithms. Cluster Forest (CF) represents a particular branch, and brings usually better results than individual clustering algorithms. This article describes a new ensemble clustering algorithm based on CF that internally uses a probabilistic model called Gaussian Mixture Model (GMM). Finally, Expectation-maximization algorithm is used for estimation of GMM parameters. The proposed ensemble clustering algorithm will be compared with several different approaches and tested on eight datasets.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

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)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2016

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings - 2015 IEEE 14th International Conference on Machine Learning and Applications, ICMLA 2015

ISBN

978-1-5090-0287-0

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

1019-1023

Název nakladatele

IEEE

Místo vydání

Vienna

Místo konání akce

Miami

Datum konání akce

9. 12. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—