Initialization of Recursive Mixture-based Clustering with Uniform Components
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F17%3A00476595" target="_blank" >RIV/67985556:_____/17:00476595 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.5220/0006417104490458" target="_blank" >http://dx.doi.org/10.5220/0006417104490458</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.5220/0006417104490458" target="_blank" >10.5220/0006417104490458</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Initialization of Recursive Mixture-based Clustering with Uniform Components
Popis výsledku v původním jazyce
The paper deals with a task of initialization of the recursive mixture estimation for the case of uniform components. This task is significant as a part of mixture-based clustering, where data clusters are described by the uniform distributions. The issue is extensively explored for normal components. However, sometimes the assumption of normality is not suitable or limits potential application areas (e.g., in the case of data with fixed bounds). The use of uniform components can be beneficial for these cases. Initialization is always a critical task of the mixture estimation. Within the considered recursive estimation algorithm the key point of its initialization is a choice of initial statistics of components. The paper explores several initialization approaches and compares results of clustering with a theoretical counterpart. Experiments with real data are demonstrated.
Název v anglickém jazyce
Initialization of Recursive Mixture-based Clustering with Uniform Components
Popis výsledku anglicky
The paper deals with a task of initialization of the recursive mixture estimation for the case of uniform components. This task is significant as a part of mixture-based clustering, where data clusters are described by the uniform distributions. The issue is extensively explored for normal components. However, sometimes the assumption of normality is not suitable or limits potential application areas (e.g., in the case of data with fixed bounds). The use of uniform components can be beneficial for these cases. Initialization is always a critical task of the mixture estimation. Within the considered recursive estimation algorithm the key point of its initialization is a choice of initial statistics of components. The paper explores several initialization approaches and compares results of clustering with a theoretical counterpart. Experiments with real data are demonstrated.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10103 - Statistics and probability
Návaznosti výsledku
Projekt
<a href="/cs/project/GA15-03564S" target="_blank" >GA15-03564S: Shlukování a klasifikace s využitím rekurzivního odhadování modelu směsi distribucí</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2017
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 14th International Conference on Informatics in Control, Automation and Robotics (ICINCO 2017)
ISBN
978-989-758-263-9
ISSN
—
e-ISSN
—
Počet stran výsledku
10
Strana od-do
449-458
Název nakladatele
SCITEPRESS
Místo vydání
Setúbal
Místo konání akce
Madrid
Datum konání akce
26. 7. 2017
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—