Поиск по каталогу |
(строгое соответствие)
|
- Профессиональная
- Научно-популярная
- Художественная
- Публицистика
- Детская
- Искусство
- Хобби, семья, дом
- Спорт
- Путеводители
- Блокноты, тетради, открытки
Improvements over Fuzzy clustering methods for large Datasets.
В наличии
Местонахождение: Алматы | Состояние экземпляра: новый |
Бумажная
версия
версия
Автор: Mrudula K.,Keshava Reddy E. and Hitendra Sarma T.
ISBN: 9786203929171
Год издания: 1905
Формат книги: 60×90/16 (145×215 мм)
Количество страниц: 56
Издательство: LAP LAMBERT Academic Publishing
Цена: 23066 тг
Положить в корзину
Способы доставки в город Алматы * комплектация (срок до отгрузки) не более 2 рабочих дней |
Самовывоз из города Алматы (пункты самовывоза партнёра CDEK) |
Курьерская доставка CDEK из города Москва |
Доставка Почтой России из города Москва |
Аннотация: Fuzzy C-means and kernel FCM-F are multi scan methods and require NC distance computations where N is the size of the dataset D, C is the number of cluster centers in the data and Kernel FCM-K also is a multi scan method requiring N2C distance computations in each iteration. For large values of N, the overall computation cost will go on increasing for these methods. The Book proposed two-step prototype based hybrid techniques to speed-up FCM, KFCM-F and KFCM-K. The proposed algorithms are called Prototype based FCM (PFCM), Prototype based KFCM- F (PKFCM-F) and Prototype based KFCM-K(PKFCM-K). Initially, few prototypes are generated from the given dataset and later the conventional methods are applied on these selected prototypes. The present work focuses on reducing the time complexities of these methods without effecting the Clustering Accuracy. The reduction in running time will make these methods work efficiently on very large data sets.
Ключевые слова: Fuzzy Clustering, Fuzzy C Means, Kernel Fuzzy C Means