{"title":"模糊聚类","authors":"E. Maharaj, P. D’Urso, Jorge Caiado","doi":"10.1201/9780429058264-4","DOIUrl":null,"url":null,"abstract":"フ ァ ジ ィ ・ク ラス タ リン グ (Fuzzy Clustering) 有限個の個体に つ い て の 多変量デ ー タが 与えられたとき、これらの 個体を互い に重なりあわない い くつ か の クラス に分 け、同じクラス に はい る個体はJhl い !こ距離が近く、 異なるクラス に はい る個体は距離が遠い ように分類することをクラス タリン グとい う。ファ ジィ ・クラス タリン グ とは、通 常 、 次 の A 、 B の い ずれ か を意味する。 A .クリス プ分割 (共通部分が 空 で、すべ ての合併が個体全体 の 集合に致するような部分集合の 族の こと、分類ともい う。 )の 代りにファジィ分割を利用す るもの 。B .個体の 集合上 の フ ァ ジィ同値関係をデ ータから構成するもの 。 A とB につ い て代表的な手法 を次に挙げる。 A .(Fuzzy c −means )n 個の個体に つ い て の データが γ 次元 空間 の点 褊 k = 1,.., 12,で 表されるとする。 c 個の ファ ジィ集合からなるファジィ分割とは、ΣtUi(x ,) =1, k=1,..,n ,を満たすIti, i =・1,..,c,を意味する。ファジィ分 割を決定 するため 、晦 μ、(κh)に関する最適化問題 :min Σ tk (eq・,) II Xh− Vi ll Z (Il Ilは L2ノル ム )を解く。 ここで、最適化は 砺 i= 1 , ..,c;k ; 1,..,n ,および Vi, i=一1,..,・c,につ い て行う。 制約条件として 、 晦 が ファジィ分割を表わすように、 0≦ 晦 ≦Lfor a1141e ;Σ、 uilt =1, for all k,が 課せ られる。また、 m は m > 1 となる指数 ラメータである。 Bezdek","PeriodicalId":270319,"journal":{"name":"Time Series Clustering and Classification","volume":"28 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2019-03-19","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"2","resultStr":"{\"title\":\"Fuzzy clustering\",\"authors\":\"E. Maharaj, P. D’Urso, Jorge Caiado\",\"doi\":\"10.1201/9780429058264-4\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"フ ァ ジ ィ ・ク ラス タ リン グ (Fuzzy Clustering) 有限個の個体に つ い て の 多変量デ ー タが 与えられたとき、これらの 個体を互い に重なりあわない い くつ か の クラス に分 け、同じクラス に はい る個体はJhl い !こ距離が近く、 異なるクラス に はい る個体は距離が遠い ように分類することをクラス タリン グとい う。ファ ジィ ・クラス タリン グ とは、通 常 、 次 の A 、 B の い ずれ か を意味する。 A .クリス プ分割 (共通部分が 空 で、すべ ての合併が個体全体 の 集合に致するような部分集合の 族の こと、分類ともい う。 )の 代りにファジィ分割を利用す るもの 。B .個体の 集合上 の フ ァ ジィ同値関係をデ ータから構成するもの 。 A とB につ い て代表的な手法 を次に挙げる。 A .(Fuzzy c −means )n 個の個体に つ い て の データが γ 次元 空間 の点 褊 k = 1,.., 12,で 表されるとする。 c 個の ファ ジィ集合からなるファジィ分割とは、ΣtUi(x ,) =1, k=1,..,n ,を満たすIti, i =・1,..,c,を意味する。ファジィ分 割を決定 するため 、晦 μ、(κh)に関する最適化問題 :min Σ tk (eq・,) II Xh− Vi ll Z (Il Ilは L2ノル ム )を解く。 ここで、最適化は 砺 i= 1 , ..,c;k ; 1,..,n ,および Vi, i=一1,..,・c,につ い て行う。 制約条件として 、 晦 が ファジィ分割を表わすように、 0≦ 晦 ≦Lfor a1141e ;Σ、 uilt =1, for all k,が 課せ られる。また、 m は m > 1 となる指数 ラメータである。 Bezdek\",\"PeriodicalId\":270319,\"journal\":{\"name\":\"Time Series Clustering and Classification\",\"volume\":\"28 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2019-03-19\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"2\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Time Series Clustering and Classification\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.1201/9780429058264-4\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Time Series Clustering and Classification","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.1201/9780429058264-4","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 2
摘要
Fuzzy Clustering:当对有限个体给定多变量数据时,如何将这些个体不相互重叠?的班级,在同一班级的个体是Jhl !个体距离较近,而属于不同类别的个体则以距离较远的方式进行分类。所谓fazy krastaring,是指通常、次A、B的异同化。A .克里斯普分割(公共部分为空,所有的合并变成个体全体的集合的子集族,也称为分类。)而利用模糊分割。B .由数据构成个体集合上的二元等价关系。下面列举A和B的代表性手法。a . (fuzzy c - means) n个个体个γ-维数据空间的分褊k = 1, . .,用12来表示。c个化ジィ集合组成ファジィ分割,σtui (x,) = 1, k = 1, . .,满足n, Iti, i = 1,..,意为c。ファジィ分率决定,因此晦,μh(κ)相关的优化问题:minσtk (eq,) ii xh - v1 ll z (il il l2ノル集团)解开。这里,优化砺i= 1, .., c;k;1, . .,n,和Vi, i= 1,..,·c,然后进行。作为限制条件,使得晦表示模糊分割,0≤晦≤Lfor a1141e;σ,uilt = 1, for all k,征收。另外,m是使m > 1的指数尺。bezdek
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Fuzzy clustering
フ ァ ジ ィ ・ク ラス タ リン グ (Fuzzy Clustering) 有限個の個体に つ い て の 多変量デ ー タが 与えられたとき、これらの 個体を互い に重なりあわない い くつ か の クラス に分 け、同じクラス に はい る個体はJhl い !こ距離が近く、 異なるクラス に はい る個体は距離が遠い ように分類することをクラス タリン グとい う。ファ ジィ ・クラス タリン グ とは、通 常 、 次 の A 、 B の い ずれ か を意味する。 A .クリス プ分割 (共通部分が 空 で、すべ ての合併が個体全体 の 集合に致するような部分集合の 族の こと、分類ともい う。 )の 代りにファジィ分割を利用す るもの 。B .個体の 集合上 の フ ァ ジィ同値関係をデ ータから構成するもの 。 A とB につ い て代表的な手法 を次に挙げる。 A .(Fuzzy c −means )n 個の個体に つ い て の データが γ 次元 空間 の点 褊 k = 1,.., 12,で 表されるとする。 c 個の ファ ジィ集合からなるファジィ分割とは、ΣtUi(x ,) =1, k=1,..,n ,を満たすIti, i =・1,..,c,を意味する。ファジィ分 割を決定 するため 、晦 μ、(κh)に関する最適化問題 :min Σ tk (eq・,) II Xh− Vi ll Z (Il Ilは L2ノル ム )を解く。 ここで、最適化は 砺 i= 1 , ..,c;k ; 1,..,n ,および Vi, i=一1,..,・c,につ い て行う。 制約条件として 、 晦 が ファジィ分割を表わすように、 0≦ 晦 ≦Lfor a1141e ;Σ、 uilt =1, for all k,が 課せ られる。また、 m は m > 1 となる指数 ラメータである。 Bezdek