• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文OA文献 >An optimized clustering algorithm using genetic algorithm and rough set theory based on kohonen self organizing map
【2h】

An optimized clustering algorithm using genetic algorithm and rough set theory based on kohonen self organizing map

机译：基于Kohonen自组织映射的遗传和粗糙集理论的优化聚类算法。

页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The Kohonen self organizing map is an efficient tool in exploratory phase of data mining and pattern recognition. The SOM is a popular tool that maps high dimensional space into a small number of dimensions by placing similar elements close together, forming clusters. Recently, most of the researchers found that to take the uncertainty concerned in cluster analysis, using the crisp boundaries in some clustering operations is not necessary. In this paper, an optimized two-level clustering algorithm based on SOM which employs the rough set theory and genetic algorithm is proposed to defeat the uncertainty problem. The evaluation of proposed algorithm on our gathered poultry diseases data and Iris data expresses more accurate compared with the crisp clustering methods and reduces the errors.
机译：Kohonen自组织图是数据挖掘和模式识别探索阶段的有效工具。 SOM是一种流行的工具，它通过将相似的元素放置在一起并形成簇，从而将高维空间映射为少量维。最近，大多数研究人员发现，要考虑聚类分析中的不确定性，就不必在某些聚类操作中使用清晰的边界。为了克服不确定性问题，提出了一种基于粗糙集理论和遗传算法的基于SOM的优化二级聚类算法。通过对我们收集的家禽疾病数据和虹膜数据的评估，表明该算法与快速聚类方法相比更加准确，并减少了误差。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号