Obiektowa implementacja algorytmu klasteryzacji metodą k-średnich

• Autorzy: Dramski M.

Warianty tytułu

EN

Object oriented implementation of k-means clustering algorithm

• Języki publikacji: PL

Abstrakty

PL

Algorytm klasteryzacji metodą k-średnich to jeden z najpopularniejszych sposobów służących do klasyfikacji danych przy użyciu metod sztucznej inteligencji. Otrzymane klastry mogą dalej posłużyć do budowy np. modeli neuronowych z wykorzystaniem dzwonów Gaussa (sieci RBF) czy rozmytych modeli Takagi-Sugeno. Niniejszy artykuł przedstawia implementację tego algorytmu języku C++. Można tu znaleźć opis klasy, która może później posłużyć jako biblioteka do dowolnego programu napisanego w tym języku

EN

K-means clustering algorithm is one of the most popular ways for data classification using artificial intelligence methods. Obtained clusters can be further used e.g. to build RBF networks or Takagi-Sugeno fuzzy models. This paper contains the implementation of this algorithm in C++ programming language. You can find there the description of the class, which can serve as a library in different programs written in C++.

Słowa kluczowe

PL

klasteryzacja; metoda k-średnich; klasyfikacja danych; C++

EN

clustering; k-means method; data classification; C++

• Wydawca: Instytut Informatyki Uniwersytet Kazimierza Wielkiego
• Czasopismo: Studia i Materiały Informatyki Stosowanej
• Rocznik: 2009
• Tom: nr 1
• Strony: 25--27
• Opis fizyczny: Bibliogr. 6 poz., rys., tab.

Twórcy

autor

Dramski M.

• Akademia Górniczo-Hutnicza, ul. Mickiewicza 30, 30-059 Kraków,

Bibliografia

• 1. Broomhead S., Lowe D., „Multivariable fractional interpolation and adaptive network”, Complex Systems 2, 321-323, 1988
• 2. Dramski M., „Opracowanie metody modelowania systemów nieliniowych z wykorzystaniem sąsiedztwa okrężnego”, rozprawa doktorska, Politechnika Szczecińska, 2005
• 3. Grębosz J., “Symfonia C++”, Oficyna Kalimach, Kraków 1999
• 4. Moody D., Darken J., “Fast learning in networks of locally-tuned processing units, Neural Computation 1, 281-294, 1988
• 5. Piegat A., “Modelowanie i sterowanie rozmyte”, Akademicka Oficyna Wydawnicza Exit, Warszawa 1999
• 6. Takagi T., Sugeno M., „Fuzzy identification of systems and its applications to modeling and control”, IEEE Transactions on Systems, Man, and Cybernetics 1985, vol. 15, No. 1, pp 116-132.