Various approaches to modelling of the mass using the size of the class in the Centroid Based Classification

• Autorzy: Rybak Łukasz , Dudczyk Janusz

Identyfikatory

DOI

10.15199/13.2019.6.13

Warianty tytułu

PL

Różne podejścia do modelowania masy przy użyciu wielkości klasy w klasyfikacji opartej na centroidach

• Języki publikacji: EN

Abstrakty

EN

In this paper the authors presented the characteristics of various modelling methods of mass using the class size in the Centroid Based Classifier which uses the Newton's law of universal gravitation. In the introduction the authors presented the potential applications of the statistical classification algorithms in a broader industry. The authors briefly described the process of generating a feature vector based on some text documents and digital images. Also, they presented the details of a Centroid Based Classifier and the possibility of its correlation with Newton’s law of universal gravitation. The authors carried out a review of existing methods using the gravitational model in the process of statistical classification. Using the conducted literature review, the authors presented the results of tests for various approaches to modelling mass based on the class size in the CBC classifier. The authors summarized the considerations with constructive conclusions and indicated further possible directions of researches on modelling of mass in the centroid-based classification process.

PL

W artykule dokonano charakterystyki różnych sposobów modelowania masy przy wykorzystaniu liczebności klasy w klasyfikatorze najbliższego centroidu CBC (ang. Centroid Based Classifier) wykorzystującego prawo powszechnego ciążenia Newtona. We wstępie przybliżono potencjalne zastosowania algorytmów klasyfikacji w szeroko pojętym przemyśle. Pokrótce opisano proces generowanie wektora cech na podstawie dokumentów tekstowych. Następnie szczegółowo opisano klasyfikator najbliższego centroidu i możliwość jego korelacji z prawem powszechnego ciążenia Newtona. Kolejno dokonano przeglądu istniejących metod wykorzystujących wspomniany model grawitacyjny w procesie klasyfikacji. Bazując na dokonanym przeglądzie literatury przedstawiono wyniki badań dla różnych podejść modelowania masy bazujących na liczebności klasy w klasyfikatorze CBC. Ogół rozważań podsumowano konstruktywnymi wnioskami oraz wskazano dalsze możliwe kierunki rozważań w aspekcie modelowania masy, w procesie klasyfikacji bazującej na centroidach.

Słowa kluczowe

EN

Centroid Based Classifier; mass modelling; size of class; law of universal gravitation

PL

klasyfikator bazujący na centroidach; modelowanie masy; liczebność klasy; prawo powszechnej grawitacji

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2019
• Tom: Vol. 60, nr 6
• Strony: 62--65
• Opis fizyczny: Bibliogr. 12 poz., wykr.

Twórcy

autor

Rybak Łukasz

• Państwowa Wyższa Szkoła Zawodowa w Skierniewicach, Instytut Informatyki i Matematyki Stosowanej

autor

Dudczyk Janusz

• Państwowa Wyższa Szkoła Zawodowa w Skierniewicach, Instytut Informatyki i Matematyki Stosowanej

Bibliografia

• [1] Grabowski, Sz.: (2003) Konstrukcja klasyfikatorów minimalnoodległościowych o strukturze sieciowej. Rozprawa doktorska, Politechnika Łódzka, Wydział Elektroniki i Elektrotechniki.
• [2] Rybak, Ł., Dudczyk, J., Jezierski, Z.: (2018) The IT sector as an important element of critical infrastructure. Infrastruktura krytyczna w systemie bezpieczeństwa państwa i społeczeństwa, Oficyna Wydawnicza PWSZ w Nysie, pp. 123-134, ISBN: 978-83-65881-05-2
• [3] Peng, L., Liu, Y.: (2017 Gravitation Theory Based Model for Multi-Label Classification. International Journal of Computers, Communications & Control, vol. 12(5), September.
• [4] Akhil, M., Deekshatulua, B.L, Chandra, P.: (2013) Classification of Heart Disease Using K - Nearest Neighbor and Genetic Algorithm, International Conference on Computational Intelligence: Modeling Techniques and Applications (CIMTA), pp. 85-94.
• [5] Dudczyk, J., Rybak, Ł.: (2018) Adaptive Decision Support System in Network Centric Warfare Process. Elektronika - konstrukcje, technologie, zastosowania, nr 7, pp. 39-42.
• [6] Duda, R., Hart, P., Stork, D.: Pattern Classification.
• [7] Liu, C. Wang, W. Tu, G. Xiang, Y. Wang, S. and Lv, F.: (2017) A new Centroid-Based Classification model for text categorization. Knowledge-Based Systems, 136: pp. 15-26.
• [8] Aghajanyan, A: (2015) Introduction to Gravitational Clustering. Pattern Analysis and Machine Intelligence, February.
• [9] Rashedi, E., Nezamabadi-pour, H.: (2010) A stochastic gravitational approach to color image segmentation by considering spatial information. 1st International Conference on Communications Engineering, 22-24 December.
• [10] Reyes, O., Cano, A., Fardoun, H. M., Ventura, S.: (2018) A locally weighted learning method based on a data gravitation model for multi-target regression. International Journal of Computational Intelligence Systems, vol. 11(1), pp. 282-295.
• [11] Reyes, O., Morell, C., Ventura, S.: (2016) Effective lazy learning algorithm based on a data gravitation model for multi-label learning. Information Sciences, vol. 340-341, pp. 159-174.
• [12] https://www.researchgate.net/publication/220776175_A_Text_Classification_Algorithm_Based_on_Rocchio_and_Hierarchical_Clustering

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).