Minkowski metric, feature weighting and anomalous cluster initializing in K-Means clusteringстатья

Статья опубликована в высокорейтинговом журнале

Информация о цитировании статьи получена из Scopus, Web of Science
Статья опубликована в журнале из списка Web of Science и/или Scopus
Дата последнего поиска статьи во внешних источниках: 20 апреля 2016 г.

Работа с статьей


[1] Amorim R., Mirkin B. Minkowski metric, feature weighting and anomalous cluster initializing in k-means clustering // Pattern Recognition. — 2012. — Vol. 45, no. 3. — P. 1061–1075. This paperrepresentsanotherstepinovercomingadrawbackofK-Means,itslackofdefenseagainst noisy features,usingfeatureweightsinthecriterion.TheWeightedK-MeansmethodbyHuangetal. (2008,2004,2005) [5–7] isextendedtothecorrespondingMinkowskimetricformeasuringdistances. UnderMinkowskimetricthefeatureweightsbecomeintuitivelyappealingfeaturerescalingfactorsina conventionalK-Meanscriterion.ToseehowthiscanbeusedinaddressinganotherissueofK-Means, the initialsetting,amethodtoinitializeK-Meanswithanomalousclustersisadapted.TheMinkowski metricbasedmethodisexperimentallyvalidatedondatasetsfromtheUCIMachineLearning RepositoryandgeneratedsetsofGaussianclusters,bothastheyareandwithadditionaluniform randomnoisefeatures,andappearstobecompetitiveincomparisonwithotherK-Meansbasedfeature weightingalgorithms. DOI:10.1016/j.patcog.2011.08.012.

Публикация в формате сохранить в файл сохранить в файл сохранить в файл сохранить в файл сохранить в файл сохранить в файл скрыть