Abstractó We introduce the concept

Abstractó We introduce the concept of a neural network based recursive clustering which creates an ensemble of clusters by recursive decomposition of data. The work involves a hybrid combination of a global clustering algorithm followed by a corresponding local clustering algorithm. Evolutionary Self Organizing Maps are used to create clusters. A set of core patterns is isolated and separately trained using a SOM. The process is recursively applied to the remaining patterns to create an ensemble of clusters. The partition of each recursion is integrated with the partition of the previous recursion. The correlation of the clusters with ground truth information (in the form of class labels) is used to measure algorithm robustness. The paper shows that a hybrid combination of evolutionary algorithms and neural network based clustering techniques is efficient in finding good partitions of clusters and in finding suitable resultant cluster shapes. The recursive self organizing map proposed aims to improve the clustering accuracy of the self organizing map. Empirical studies show that superior results are obtained when clustering artificially generated data as well as real world problems such as the Iris, Glass and Wine datase

Hasil (Bahasa Indonesia) 1:

Abstractó kami memperkenalkan konsep jaringan saraf berbasis rekursif pengelompokan yang menciptakan ensembel cluster oleh rekursif dekomposisi data. Pekerjaan melibatkan kombinasi hibrida algoritma clustering global yang diikuti oleh algoritma clustering lokal yang sesuai. Peta mengorganisir diri evolusi yang digunakan untuk membuat kelompok. Satu set pola inti terisolasi dan dilatih secara terpisah menggunakan Som Proses ini diterapkan pada pola yang tersisa untuk membuat sebuah ansambel cluster secara rekursif. Partisi rekursi setiap terintegrasi dengan partisi rekursi sebelumnya. Korelasi kluster dengan tanah kebenaran informasi (dalam bentuk kelas label) digunakan untuk mengukur ketahanan algoritma. Karya menunjukkan bahwa kombinasi hibrida evolusi algoritma dan jaringan saraf berbasis clustering teknik efisien dalam menemukan baik partisi cluster dan menemukan bentuk cocok resultan cluster. Rekursif Self-Organizing peta diusulkan bertujuan untuk meningkatkan akurasi clustering peta pengorganisasian diri. Penelitian empiris menunjukkan bahwa hasil yang lebih unggul yang diperoleh ketika pengelompokan artifisial dihasilkan data serta masalah-masalah dunia nyata seperti Iris, kaca dan anggur datase

Hasil (Bahasa Indonesia) 2:

Abstracto Kami memperkenalkan konsep berdasarkan pengelompokan rekursif jaringan saraf yang menciptakan sebuah ensemble cluster oleh dekomposisi rekursif data. Pekerjaan melibatkan kombinasi hibrida dari algoritma clustering global yang diikuti dengan algoritma clustering lokal yang sesuai. Evolusi Self Organizing Maps yang digunakan untuk membuat cluster. Satu set pola inti diisolasi dan secara terpisah dilatih menggunakan SOM a. Proses ini secara rekursif diterapkan pada pola yang tersisa untuk membuat sebuah ensemble cluster. Partisi masing-masing rekursi terintegrasi dengan partisi dari rekursi sebelumnya. Korelasi dari kelompok dengan informasi kebenaran tanah (dalam bentuk label kelas) digunakan untuk mengukur ketahanan algoritma. Makalah ini menunjukkan bahwa kombinasi hybrid algoritma evolusioner dan jaringan berbasis teknik pengelompokan saraf efisien dalam menemukan partisi baik dari cluster dan dalam menemukan bentuk klaster yang dihasilkan sesuai. Rekursif mengorganisir diri peta diusulkan bertujuan untuk meningkatkan akurasi pengelompokan peta mengorganisir diri. Studi empiris menunjukkan bahwa hasil yang lebih unggul diperoleh ketika mengelompokkan data yang artifisial yang dihasilkan serta masalah dunia nyata seperti Iris, Kaca dan datase Wine