Clustering with a Model of Sub-Mixtures of Different Distributions

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F17%3A00478195" target="_blank" >RIV/67985556:_____/17:00478195 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/SISY.2017.8080574" target="_blank" >http://dx.doi.org/10.1109/SISY.2017.8080574</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/SISY.2017.8080574" target="_blank" >10.1109/SISY.2017.8080574</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Clustering with a Model of Sub-Mixtures of Different Distributions

Popis výsledku v původním jazyce

This paper deals with a modeling of data by several mixtures of different distributions within a task of clustering. This issue can be required from a practical point of view, e.g., for a multi-modal system, which generates measurements described by different distributions. The approach is based on the partition of the data on several parts, the factorization of the joint probability density function according to these parts and the estimation of each conditional mixture separately. Due to the data-based construction of the general model from the estimated components, the most suitable combination of the components is used at each time instant. The illustrative experiments are demonstrated.

Název v anglickém jazyce

Clustering with a Model of Sub-Mixtures of Different Distributions

Popis výsledku anglicky

This paper deals with a modeling of data by several mixtures of different distributions within a task of clustering. This issue can be required from a practical point of view, e.g., for a multi-modal system, which generates measurements described by different distributions. The approach is based on the partition of the data on several parts, the factorization of the joint probability density function according to these parts and the estimation of each conditional mixture separately. Due to the data-based construction of the general model from the estimated components, the most suitable combination of the components is used at each time instant. The illustrative experiments are demonstrated.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

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)

Rok uplatnění

2017

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of IEEE 15th International Symposium on Intelligent Systems and Informatics SISY 2017

ISBN

978-1-5386-3854-5

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

315-320

Název nakladatele

IEEE

Místo vydání

Piscataway

Místo konání akce

Subotica

Datum konání akce

14. 9. 2017

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000427311500056