論文の概要: Augmentation of the Reconstruction Performance of Fuzzy C-Means with an Optimized Fuzzification Factor Vector

• arxiv url: http://arxiv.org/abs/2004.05764v1
• Date: Mon, 13 Apr 2020 04:17:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-14 00:29:55.388821
• Title: Augmentation of the Reconstruction Performance of Fuzzy C-Means with an Optimized Fuzzification Factor Vector
• Title（参考訳）: ファジィc-meansの最適ファジィ化係数ベクトルによる再構成性能の増強
• Authors: Kaijie Xu, Witold Pedrycz, Zhiwu Li
• Abstract要約: Fuzzy C-Means (FCM) は情報グラニュラーを構成する最も頻繁に使用される手法の1つである。 本稿では, ファジィ化因子のベクトルを導入することにより, FCMに基づく脱顆粒機構を増強する。 合成データセットと公開データセットの両方で実験が完了し、提案手法が汎用データ再構成手法より優れていることが示された。
• 参考スコア（独自算出の注目度）: 99.19847674810079
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Information granules have been considered to be the fundamental constructs of Granular Computing (GrC). As a useful unsupervised learning technique, Fuzzy C-Means (FCM) is one of the most frequently used methods to construct information granules. The FCM-based granulation-degranulation mechanism plays a pivotal role in GrC. In this paper, to enhance the quality of the degranulation (reconstruction) process, we augment the FCM-based degranulation mechanism by introducing a vector of fuzzification factors (fuzzification factor vector) and setting up an adjustment mechanism to modify the prototypes and the partition matrix. The design is regarded as an optimization problem, which is guided by a reconstruction criterion. In the proposed scheme, the initial partition matrix and prototypes are generated by the FCM. Then a fuzzification factor vector is introduced to form an appropriate fuzzification factor for each cluster to build up an adjustment scheme of modifying the prototypes and the partition matrix. With the supervised learning mode of the granulation-degranulation process, we construct a composite objective function of the fuzzification factor vector, the prototypes and the partition matrix. Subsequently, the particle swarm optimization (PSO) is employed to optimize the fuzzification factor vector to refine the prototypes and develop the optimal partition matrix. Finally, the reconstruction performance of the FCM algorithm is enhanced. We offer a thorough analysis of the developed scheme. In particular, we show that the classical FCM algorithm forms a special case of the proposed scheme. Experiments completed for both synthetic and publicly available datasets show that the proposed approach outperforms the generic data reconstruction approach.
• Abstract（参考訳）: 情報顆粒は粒状コンピューティング(grc)の基本構造であると考えられている。 Fuzzy C-Means(FCM)は、教師なし学習手法として、情報グラニュラーを構築するのに最もよく使われる手法の1つである。 fcmベースの顆粒分化機構はgrcにおいて重要な役割を担っている。 本稿では, 脱粒(再構成)プロセスの品質を向上させるため, fcmベースの脱粒機構を改良し, 脱粒因子のベクトル(不溶化係数ベクトル)を導入し, プロトタイプと分配行列を変更するための調整機構を設定する。 この設計は、復元基準によって導かれる最適化問題と見なされている。 提案方式では,初期分割行列とプロトタイプをFCMにより生成する。 次に、ファズフィケーション係数ベクトルを導入し、各クラスタに対して適切なファズフィケーション係数を形成し、プロトタイプとパーティションマトリックスを変更するための調整スキームを構築する。 粒状化・粒状化過程の教師あり学習モードを用いて, ファズフィケーション係数ベクトル, プロトタイプ, 分割行列の複合目的関数を構築する。 その後,粒子群最適化(PSO)を用いてファジフィケーション係数ベクトルを最適化し,試作機の改良と最適分割行列の開発を行う。 最後に、FCMアルゴリズムの再構成性能を向上する。 我々は開発計画の徹底的な分析を行う。 特に,従来のFCMアルゴリズムが提案手法の特別な場合を形成することを示す。 合成データセットと公開データセットの両方で完了した実験は、提案手法がジェネリックデータ再構成アプローチよりも優れていることを示している。

関連論文リスト

• Targeting the partition function of chemically disordered materials with a generative approach based on inverse variational autoencoders [0.0]
  そこで本研究では,生成機械学習を用いて特性評価を行う手法を提案する。 本手法では,エンコーダとデコーダの逆の役割を持つ特定の種類の変分オートエンコーダを用いる。 本稿では, (U, Pu)O2混合酸化物燃料における点欠陥生成エネルギーと濃度の計算によるアプローチについて述べる。
  論文  参考訳（メタデータ） (2024-08-27T10:05:37Z)
• Quadratic Matrix Factorization with Applications to Manifold Learning [1.6795461001108094]
  本稿では,データセットの配置する曲線多様体を学習するための2次行列分解(QMF)フレームワークを提案する。 アルゴリズムでは,QMFを最適化し,その理論的収束特性を確立するための交代最小化アルゴリズムを提案する。 合成多様体学習データセットとMNIST手書きデータセットと低温電子顕微鏡データセットを含む2つの実データセットの実験は、提案手法が競合相手よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-01-30T15:09:00Z)
• Supervised Class-pairwise NMF for Data Representation and Classification [2.7320863258816512]
  非負行列分解(NMF)に基づく手法は、特定のタスクにモデルを適応させるためにコスト関数に新しい用語を追加する。 NMF法は、因子化行列を推定するための教師なしアプローチを採用する。
  論文  参考訳（メタデータ） (2022-09-28T04:33:03Z)
• Unitary Approximate Message Passing for Matrix Factorization [90.84906091118084]
  行列分解 (MF) を一定の制約で考慮し, 様々な分野の応用を見いだす。 我々は,効率の良いメッセージパッシング実装であるUAMPMFを用いて,MFに対するベイズ的アプローチを開発する。 UAMPMFは、回復精度、ロバスト性、計算複雑性の観点から、最先端のアルゴリズムを著しく上回ることを示す。
  論文  参考訳（メタデータ） (2022-07-31T12:09:32Z)
• Feature Weighted Non-negative Matrix Factorization [92.45013716097753]
  本稿では,FNMF(Feature weighted Non- negative Matrix Factorization)を提案する。 FNMFはその重要性に応じて特徴の重みを適応的に学習する。 提案する最適化アルゴリズムを用いて効率的に解くことができる。
  論文  参考訳（メタデータ） (2021-03-24T21:17:17Z)
• Sparse PCA via $l_{2,p}$-Norm Regularization for Unsupervised Feature Selection [138.97647716793333]
  再構成誤差を$l_2,p$ノルム正規化と組み合わせることで,単純かつ効率的な特徴選択手法を提案する。 提案する非教師付きモデルを解くための効率的な最適化アルゴリズムを提案し,アルゴリズムの収束と計算の複雑さを理論的に解析する。
  論文  参考訳（メタデータ） (2020-12-29T04:08:38Z)
• Granular Computing: An Augmented Scheme of Degranulation Through a Modified Partition Matrix [86.89353217469754]
  大量の数値データの抽象的かつ効率的な特徴付けを形成する情報グラニュラーは、グラニュラーコンピューティングの基本的な構成要素であると考えられている。 従来の研究では, 再建誤差と造粒プロセスの性能に相関があることが示されている。 本研究では, 脱顆粒の質を高めるため, 分割行列の変更による拡張スキームの開発を行った。
  論文  参考訳（メタデータ） (2020-04-03T03:20:09Z)
• Kullback-Leibler Divergence-Based Fuzzy $C$-Means Clustering Incorporating Morphological Reconstruction and Wavelet Frames for Image Segmentation [152.609322951917]
  そこで我々は,厳密なウェーブレットフレーム変換と形態的再構成操作を組み込むことで,Kulback-Leibler (KL) 発散に基づくFuzzy C-Means (FCM) アルゴリズムを考案した。 提案アルゴリズムはよく機能し、他の比較アルゴリズムよりもセグメンテーション性能が優れている。
  論文  参考訳（メタデータ） (2020-02-21T05:19:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。