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:  uśredniony współczynnik kształtu
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote Applying cluster analysis to feature selection for data classification
EN
Data classification is one of the most common tasks irwestigated within the artificial intelligence framework. Its accuracy depends on relevancy of features used to describe the classified objects. However, the fact, which features (among the all measured ones) convey significant information enabling to discriminate the data classes, is known only when feature selection is performed. The paper describes a feature selection method that is capable of solving the problem in an unsuperyised learning mode.
PL
W pracy przedstawiono nową metodę nienadzorowanej selekcji cech. Proponowane podejście zakłada, że wektory danych tworzą w przestrzeni cech znaczących klastry dobrej jakości. Jako miarę jakości klasteryzacji wybrano uśredniony współczynnik kształtu z uwagi na fakt, iż miara ta jest niezależna od położeń centrów klastrów wyznaczanych w procedurze grupowania. Drugim kluczowym elementem opracowanej metody jest tzw. hybrydowy algorytm genetyczny - stratega przeszukiwania przestrzeni cech. Algorytm ten łączy zalety strategii losowych oraz sekwencyjnych. Z jednej strony zachowuje on zdolność do ucieczki z optimum lokalnego optymalizowanej funkcji, z drugiej zaś pozwala kontrolować do pewnego stopnia kierunek poszukiwań. Mechanizm ten zapewnia dużą prędkość zbieżności w pobliżu najlepszego rozwiązania.
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.