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”

Practical Initialization of Recursive Mixture-Based Clustering for Non-negative Data

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21260%2F19%3A00333292" target="_blank" >RIV/68407700:21260/19:00333292 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/67985556:_____/20:00504124

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1007/978-3-030-11292-9_34" target="_blank" >http://dx.doi.org/10.1007/978-3-030-11292-9_34</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-030-11292-9_34" target="_blank" >10.1007/978-3-030-11292-9_34</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Practical Initialization of Recursive Mixture-Based Clustering for Non-negative Data

  • Popis výsledku v původním jazyce

    The paper provides a practical guide on initialization of the recursive mixture-based clustering of non-negative data. For modeling the non-negative data, mixtures of uniform, exponential, gamma and other distributions can be used. Initialization is known to be an important task for a start of the mixture estimation algorithm. Within the considered recursive approach, the key point of initialization is a choice of initial statistics of the involved prior distributions. The paper describes several initialization techniques for the mentioned types of components that can be beneficial primarily from a practical point of view.

  • Název v anglickém jazyce

    Practical Initialization of Recursive Mixture-Based Clustering for Non-negative Data

  • Popis výsledku anglicky

    The paper provides a practical guide on initialization of the recursive mixture-based clustering of non-negative data. For modeling the non-negative data, mixtures of uniform, exponential, gamma and other distributions can be used. Initialization is known to be an important task for a start of the mixture estimation algorithm. Within the considered recursive approach, the key point of initialization is a choice of initial statistics of the involved prior distributions. The paper describes several initialization techniques for the mentioned types of components that can be beneficial primarily from a practical point of view.

Klasifikace

  • Druh

    C - Kapitola v odborné knize

  • CEP obor

  • OECD FORD obor

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

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

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2019

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název knihy nebo sborníku

    Informatics in Control, Automation and Robotics. ICINCO 2017. Lecture Notes in Electrical Engineering.

  • ISBN

    978-3-030-11292-9

  • Počet stran výsledku

    20

  • Strana od-do

    679-698

  • Počet stran knihy

    812

  • Název nakladatele

    Springer, Cham

  • Místo vydání

  • Kód UT WoS kapitoly