Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 1

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  grass and soil samples
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
Cluster analysis is a large field, both within fuzzy sets and beyond it. Many algorithms have been developed to obtain bard clusters from a given data set. Among those, the c-means algorithms are probably the most widely used. Hard c-means execute a sharp classification, in which each object is either assigned to a class or not. The membership to a class of objects therefore amounts to either 1 or 0. The application of fuzzy sets in a classification function causes this class membership to become a relative one and consequently an object can belong to several classes at the same time but with different degrees. The c-means algorithms are prototype-based procedures, which minimize the total of the distances between the prototypes and the objects by the construction of a target function. Fuzzy generalized n-means is easy and well improved tool, which have been applied in many fields of chemistry. In this paper, different fuzzy classification algorithms of the 35 grass and soil samples based on the 37 chemical element concentrations have been allowing an objective interpretation of their similarities and differences, respectively. Much more, the results ob13ined can be very useful in their reclassification. The new fuzzy approach namely, fuzzy cross-classification algorithm, (FHCsC) allows the qualitative and quantitative identification of the characteristics (chemical elements) responsible for the observed similarities and dissimilarities between grass and soil samples. In addition, the fuzzy hierarchical characteristics clustering (FHiCC) and fuzzy horizon13l characteristics clustering (FHoCC) procedures revealed a high similarity between some chemical elements concentrations in grass and soil samples.
PL
Analiza podobieństwa obejmuje nie tylko zastosowanie logiki rozmytej, ale również wiele innych podejść matematycznych. Opracowano wiele algorytmów, których celem jest wyodrębnienie wyraźnych skupień (hard clusters) z danego zbioru danych. Prawdopodobnie najczęściej stosowanymi algorytmami są tzw. algorytmy c-średnie (c-means algorithms). Twarde c-średnie (hard c-means) służy do ostrej klasyfikacji, podczas której obiekt jest przypisany do danej klasy lub do niej nie należy. W takim przypadku przynależność obiektu do klasy wynosi 1 lub O. Zastosowanie układów rozmytych lfuzzy sets) w obliczaniu funkcji klasyfikującej powoduje, że dany obiekt może należeć do kilku klas równocześnie, ale w różnym stopniu przynależności. Algorytmy c-średnie są procedurami określanymi jako procedury prototyp-zależne (prototype-based procedures), które minimalizują odległości między prototypami a obiektami dzięki odpowiedniej formie funkcji docelowej. Algorytm rozmytych uoglnionych n-średnich (fuzzy generalized n-means) jest łatwym i dobrze opracowanym narzędziem, które wykorzystuje się w wielu dziedzinach chemii. W niniejszym opracowaniu różne algorytmy klasyfikacji rozmytej zostały zastosowane do wyników oznaczeń 37 stężeń pierwiastków w 35 próbkach trawy i gleby, co pozwoliło obiektywnie zinterpretować podobieństwa i różnice między danymi. Nowe podejście algorytm rozmytej klasyfikacji krzyżowej (fuzzy cross-classijication algorithm, FHCsC) pozwala jakościowo i ilościowo zidentyfikować zmienne (pierwiastki chemiczne) odpowiedzialne za obserwowane podobieństwa i różnice między próbkami trawy i gleby. Dodatkowo procedury: rozmyta hierarchiczna analiza wiązkowa (fuzzy hierarchical characteristics clustering, FHiCC) i rozmyta pozioma analiza wiązkowa (fuzzy horizontal characteristics clustering, FHoCC) wykazały znaczne podobieństwo między stężeniami pewnych pierwiastków w próbkach trawy i gleby.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.