ZMODYFIKOWANA ALTERNATYWNA REGUŁA DECYZYJNA W ALGORYTMIE WSTĘPNEGO KLASTROWANIA
##plugins.themes.bootstrap3.article.sidebar##
Numer Tom 6 Nr 2 (2016)
-
ZASTOSOWANIE METODY POCHODNEJ TOPOLOGICZNEJ W ELEKTRYCZNEJ TOMOGRAFII IMPEDANCYJNEJ
Andrey Ferreira, Antonio Novotny, Jan Sokołowski4-8
-
ZMODYFIKOWANA ALTERNATYWNA REGUŁA DECYZYJNA W ALGORYTMIE WSTĘPNEGO KLASTROWANIA
Volodymyr Mosorov, Taras Panskyi, Sebastian Biedron9-12
-
ULEPSZONA METODA IDENTYFIKACJI RODZAJU RUCHU WYKORZYSTUJĄCA SENSORY URZĄDZENIA MOBILNEGO
Jakub Smołka, Przemysław Troć, Maria Skublewska-Paszkowska, Edyta Łukasik13-18
-
ANALIZA PRZYPŁYWU WIROWEGO Z ZASTOSOWANIEM ELEKTRYCZNEJ TOMOGRAFII POJEMNOŚCIOWEJ
Ayoub Saoud, Volodymyr Mosorov, Krzysztof Grudzień19-23
-
SYSTEM INFORMATYCZNY DO ANALIZY STANÓW SKUPIENIA NA BAZIE URZĄDZENIA DZIAŁAJĄCEGO W TECHNOLOGII INTERFEJSÓW MÓZG – KOMPUTER
Szczepan Paszkiel24-27
-
SYSTEM DECYZYJNY DO PRZEWIDYWANIA CEN AKCJI OPARTY NA SZTUCZNEJ SIECI NEURONOWEJ HOPFIELDA
Michał Paluch, Lidia Jackowska-Strumiłło28-33
-
SYMULACJA PRZEPŁYWU GRAWITACYJNEGO I ESTYMACJA JEGO PARAMETRÓW PRZY UŻYCIU ELEKTRYCZNEJ TOMOGRAFII POJEMNOŚCIOWEJ I SZTUCZNYCH SIECI NEURONOWYCH
Hela Garbaa, Lidia Jackowska-Strumiłło, Krzysztof Grudzień, Andrzej Romanowski34-37
-
ANALIZA TEORETYCZNA POWSTAWANIA I KOMPENSACJI MOCY BIERNEJ W ELEKTROWNIACH FOTOWOLTAICZNYCH
Michal Koníček, Boris Cintula38-41
-
PRZETWORNICA NAPIĘCIA STAŁEGO 3 KV NA NAPIĘCIE STAŁE 300 V MAŁEJ MOCY – ANALIZA SYMULACYJNA
Wojciech Matelski42-47
-
PROJEKTOWANIE ORAZ ANALIZA FUNKCJI UOGÓLNIONEJ ARCHITEKTURY SYSTEMÓW HANDLU TREŚCIĄ ELEKTRONICZNĄ
Victoria Vysotska, Lyubomyr Chyrun48-59
-
APROKSYMACJA CHARAKTERYSTYKI STRUMIENIOWO-PRĄDOWEJ PRZETWORNIKA ELEKTROMECHANICZNEGO WYKORZYSTUJĄCA WYNIKI POMIARÓW
Zygmunt Kowalik60-63
-
JAK DEFINIUJEMY CYBERPRZESTĘPSTWO?
Monika Zbrojewska, Volodymyr Mosorov, Sebastian Biedron, Taras Panskyi64-68
-
POMIARY HAŁASU GENEROWANEGO PRZEZ ELEKTROWNIE WIATROWE I OCENA ICH WPŁYWU NA ŚRODOWISKO
Hanna Pamuła, Maciej Kłaczyński69-74
-
HYBRYDOWA WYRZUTNIA ELEKTROMAGNETYCZNA Z MODUŁEM CEWKOWYM JAKO OGRANICZNIK PRĄDU W MODULE SZYNOWYM
Tomasz Makowski75-78
-
ANALIZA ROZKŁADU POLA ELEKTRYCZNEGO W SEPARATORZE BĘBNOWYM O RÓŻNEJ KONFIGURACJI ELEKTROD
Mikołaj Skowron, Mikołaj Skowron79-82
-
ZASTOSOWANIE OBSERWACJI GLONASS W METODZIE PPP W EKSPERYMENCIE LOTNICZYM W MIELCU
Kamil Krasuski, Henryk Jafernik83-88
Archiwum
-
Tom 8 Nr 4
2018-12-16 16
-
Tom 8 Nr 3
2018-09-25 16
-
Tom 8 Nr 2
2018-05-30 18
-
Tom 8 Nr 1
2018-02-28 18
-
Tom 7 Nr 4
2017-12-21 23
-
Tom 7 Nr 3
2017-09-30 24
-
Tom 7 Nr 2
2017-06-30 27
-
Tom 7 Nr 1
2017-03-03 33
-
Tom 6 Nr 4
2016-12-22 16
-
Tom 6 Nr 3
2016-08-08 18
-
Tom 6 Nr 2
2016-05-10 16
-
Tom 6 Nr 1
2016-02-04 16
-
Tom 5 Nr 4
2015-10-28 19
-
Tom 5 Nr 3
2015-09-02 17
-
Tom 5 Nr 2
2015-06-30 15
-
Tom 5 Nr 1
2015-03-31 18
-
Tom 4 Nr 4
2014-12-09 29
-
Tom 4 Nr 3
2014-09-26 22
-
Tom 4 Nr 2
2014-06-18 21
-
Tom 4 Nr 1
2014-03-12 19
##plugins.themes.bootstrap3.article.main##
Authors
Abstrakt
W tej pracy został przedstawiony algorytm wstępnego klastrowania oraz zmodyfikowana alternatywna reguła decyzyjna. Zastosowania algorytmu wstępnego klastrowania odpowiada na pytanie czy potrzebna procedura klastrowania czy spowodowałoby to pojawienia sztucznej struktury (dane wejściowe są jednym klasterem i nie ma potrzeby podziału). Uniwersalność i prostota tego algorytmu pozwala na wykorzystanie go w różnych dziedzinach nauki i techniki. Zalety i wady algorytmu wstępnego klastrowania zostały również rozważone.
Słowa kluczowe:
Bibliografia
Aggarwal C.: Data Clustering: Algorithms and Applications 1st Edition, Chapman and Hall, 2013.
Gan G., Ma C., Wu G.: Data Clustering: Theory, Algorithms and Applications. ASA-SIAM Series on Statistics and Applied Probability, 2007.
Hofmann M., Klinkenberg R.: RapidMiner: Data Mining Use Cases and Business Analytics Applications, Chapman and Hall/CRC, 2013.
Jain A., Murthy M.: Flynn P.: Data Clustering: A Review. ACM Computing Surveys (CSUR), 1999.
Khan M.A.: H Pre-processing for K-means Clustering Algorithm. Senior Projects Spring, 2015.
Kovács L., Bednarik L.: Parameter Optimization for BIRCH Pre-Clustering Algorithm. 12th IEEE International Symposium on Computational Intelligence and Informatics, 2011.
Liu Y., Li Zh., Xiong H., Gao X., Wu J.: Understanding of Internal Clustering Validation Measures, IEEE International Conference on Data Mining, 2010.
McCallum A., Nigam K., Ungar L.H.: Efficient Clustering of High Dimensional Data Sets with Application to Reference Matching, Proceedings of the sixth ACM SIGKDD international conference on Knowledge discovery and data mining, 169–178.
Mosorov V., Tomczak L.: Image Texture Defect Detection Method Using Fuzzy C–Means Clustering for Visual Inspection Systems, Arabian Journal for Science and Engineering, 2014.
Rokach L., Maimon.: Clustering Methods, Data Mining and Knowledge Discovery Handbook, 2005.
##plugins.themes.bootstrap3.article.details##
Abstract views: 433
Downloads: 178
Licencja

Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Na tych samych warunkach 4.0 Miedzynarodowe.
