[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

Soft-ECM: una extensión de Evidential C-Means para datos complejos

Created by
  • Haebom

Autor

Armel Soubeiga (LIMOS), Thomas Guyet (AISTROSIGHT), Violaine Antoine (LIMOS)

Describir

Este artículo señala la limitación de los algoritmos de agrupamiento existentes basados en funciones de creencia, ya que no se pueden aplicar a datos complejos (como datos mixtos y series temporales), y propone un nuevo algoritmo, Soft-ECM, para resolver este problema. Soft-ECM solo requiere una semimétrica para posicionar consistentemente el centro de los clústeres inciertos y muestra resultados comparables a los enfoques de agrupamiento difuso existentes para datos numéricos. Además, muestra las ventajas del agrupamiento difuso, que combina la capacidad de procesar datos mixtos con una semimétrica como DTW para series temporales.

Takeaways, Limitations

•
Takeaways:
◦
Proporciona un algoritmo de agrupamiento basado en funciones de creencias para datos complejos (datos mixtos, datos de series de tiempo, etc.).
◦
Muestra un rendimiento comparable a los enfoques de agrupamiento difuso existentes y es eficaz en el manejo de datos mixtos y datos de series de tiempo.
◦
También se puede aplicar a datos no euclidianos utilizando semimétricas.
•
Limitations:
◦
El rendimiento del algoritmo Soft-ECM puede verse afectado por la elección de la semimétrica utilizada. Se requieren más investigaciones para determinar la semimétrica óptima.
◦
Se necesita una validación experimental adicional y extensa en varios tipos de datos complejos.
◦
Falta análisis de la complejidad computacional del algoritmo.
👍
Made with Slashpage