Zobrazeno 1 - 10
of 3 323
pro vyhledávání: '"cluster validity indices"'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
This paper presents an adaptive resonance theory predictive mapping (ARTMAP) model which uses incremental cluster validity indices (iCVIs) to perform unsupervised learning, namely iCVI-ARTMAP. Incorporating iCVIs to the decision-making and many-to-on
Externí odkaz:
http://arxiv.org/abs/2008.09903
Validation is one of the most important aspects of clustering, but most approaches have been batch methods. Recently, interest has grown in providing incremental alternatives. This paper extends the incremental cluster validity index (iCVI) family to
Externí odkaz:
http://arxiv.org/abs/1902.06711
Publikováno v:
Tehnički Vjesnik, Vol 27, Iss 6, Pp 1956-1964 (2020)
Evaluating internal Cluster Validity Index (CVI) is a critical task in clustering research. Existing studies mainly employ the number of clusters (NC-based method) or external CVIs (external CVIs-based method) to evaluate internal CVIs, which are not
Externí odkaz:
https://doaj.org/article/e9009cd493dc4483b77287b81071d879
Cluster analysis is used to explore structure in unlabeled data sets in a wide range of applications. An important part of cluster analysis is validating the quality of computationally obtained clusters. A large number of different internal indices h
Externí odkaz:
http://arxiv.org/abs/1801.02937
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
It has been noticed that some external CVIs exhibit a preferential bias towards a larger or smaller number of clusters which is monotonic (directly or inversely) in the number of clusters in candidate partitions. This type of bias is caused by the fu
Externí odkaz:
http://arxiv.org/abs/1606.05596
Publikováno v:
In Applied Soft Computing Journal March 2018 64:94-108
Publikováno v:
In Pattern Recognition May 2017 65:58-70