The comparison of fuzzy clustering methods for symbolic interval-valued data

Marcin Pełka , Andrzej Dudek

Abstract

Interval-valued data can find their practical applications in such situations as recording monthly interval temperatures at meteorological stations, daily interval stock prices, etc. The primary objective of the presented paper is to compare three different methods of fuzzy clustering for interval-valued symbolic data, i.e.: fuzzy c -means clustering, adaptive fuzzy c -means clustering and fuzzy k -means clustering with fuzzy spectral clustering. Fuzzy spectral clustering combines both spectral and fuzzy approaches in order to obtain better results (in terms of Rand index for fuzzy clustering). The conduc- ted simulation studies with artificial and real data sets confirm both higher usefulness and more stable results of fuzzy spectral clustering method, as compared to other existing fuzzy clustering methods for symbolic interval-valued data, when dealing with data featuring different cluster structures, noisy variables and/or outliers.
Author Marcin Pełka (EMaT / DEaCS)
Marcin Pełka,,
- Department of Econometrics and Computer Science
, Andrzej Dudek (EMaT / DEaCS)
Andrzej Dudek,,
- Department of Econometrics and Computer Science
Journal seriesPrzegląd Statystyczny, ISSN 0033-2372, (B 14 pkt)
Issue year2015
Vol62
No3
Pages301-319
Publication size in sheets0.9
Keywords in Polishklasyfikacja spektralna, klasyfikacja rozmyta, dane symboliczne interwałowe, analiza danych symbolicznych
Keywords in Englishspectral clusterin, fuzzy clustering, fuzzy partition, interval-valued data, symbolic data analysis
Abstract in PolishDane symboliczne interwa ł owe mog ą znale źć zastosowanie w wielu sytuacjach – np. w przypadku notowa ń gie ł dowych, zmianach kursów walut, itp. Celem artyku ł u jest porównanie trzech metod klasy- fikacji rozmytej dla danych symbolicznych interwa ł owych – tj. rozmytej klasyfikacji c - ś rednich, ada- ptacyjnej rozmytej klasyfikacji c - ś rednich oraz rozmytej klasyfikacji k - ś rednich z rozmyt ą klasyfikacj ą spektraln ą . Rozmyta klasyfikacja spektralna stanowi po łą czenie podej ś cia spektralnego oraz klasyfikacji rozmytej c - ś rednich, dzi ę ki czemu mo ż liwe jest otrzymanie lepszych rezultatów (w sensie indeksu Randa dla klasyfikacji rozmytych). Przeprowadzone badania symulacyjne wskazuj ą , ż e rozmyta klasyfikacja spektralna dla danych symbolicznych pozwala na uzyskanie lepszych wyników ni ż inne rozmyte metody klasyfikacji dla tego typu danych je ż eli we ź miemy pod uwag ę zbiory danych o ró ż nej strukturze klas, która dodatkowo jest zniekszta ł cana przez obserwacje odstaj ą ce lub zmienne zak ł ócaj ą ce.
URL http://keii.ue.wroc.pl/przeglad/Rok%202015/Zeszyt%203/2015_62_3_301-319.pdf
Languageen angielski
File
Pelka_Dudek_The_Comparison_of_Fuzzy_Clustering.pdf 351,64 KB
Score (nominal)14
ScoreMinisterial score = 14.0, 02-07-2019, ArticleFromJournal
Ministerial score (2013-2016) = 14.0, 02-07-2019, ArticleFromJournal
Citation count*
Cite
Share Share

Get link to the record


* presented citation count is obtained through Internet information analysis and it is close to the number calculated by the Publish or Perish system.
Back