کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4969805 1449984 2017 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Ensemble clustering based on weighted co-association matrices: Error bound and convergence properties
ترجمه فارسی عنوان
خوشه بندی گروهی بر مبنای ماتریس های همبستگی وزنی: خصوصیات خطا و همگرا
ترجمه چکیده
ما یک رویکرد به خوشه بندی گروهی را بر اساس ماتریس های همبستگی وزنی، جایی که وزن با برخی توابع ارزیابی تعیین می شود، در نظر می گیریم. با استفاده از یک مدل متغیر غریزی از گروه خوشه بندی، ثابت شده است که با فرضیه های خاص، کیفیت خوشه بندی با افزایش حجم گروه و انتظارات عملکرد ارزیابی بهبود می یابد. وابستگی های تحلیلی بین اندازه گروه و برآوردهای کیفی مشتق شده است. نتایج نظری با استفاده از مثال های عددی با استفاده از مدل سازی مونت کارلو و تقسیم بندی یک تصویر هیپرکاپراسیون واقعی تحت حضور کانال های صوتی پشتیبانی می شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
چکیده انگلیسی
We consider an approach to ensemble clustering based on weighted co-association matrices, where the weights are determined with some evaluation functions. Using a latent variable model of clustering ensemble, it is proved that, under certain assumptions, the clustering quality is improved with an increase in the ensemble size and the expectation of evaluation function. Analytical dependencies between the ensemble size and quality estimates are derived. Theoretical results are supported with numerical examples using Monte-Carlo modeling and segmentation of a real hyperspectral image under presence of noise channels.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition - Volume 63, March 2017, Pages 427-436
نویسندگان
, ,