Fuzzy-Clusteranalyse
Verfahren für die Bilderkennung, Klassifizierung und Datenanalyse
Published on 2. July 2013
VIII, 280 pages
978-3-322-86836-7 (ISBN)
Description
Dipl.-Inform. Frank Höppner arbeitet als wissenschaftlicher Mitarbeiter am Institut für Flugführung für Luft- und Raumfahrt in Braunschweig.
Dr. Frank Klawonn ist wissenschaftlicher Mitarbeiter im Fachbereich Mathematik und Informatik der Technischen Universität Braunschweig.
Prof. Dr. Rudolf Kruse lehrt das Gebiet Neuro-Fuzzy-Systeme an der Fakultät für Informatik der Otto-Guericke-Universität Magdeburg.
Dr. Frank Klawonn ist wissenschaftlicher Mitarbeiter im Fachbereich Mathematik und Informatik der Technischen Universität Braunschweig.
Prof. Dr. Rudolf Kruse lehrt das Gebiet Neuro-Fuzzy-Systeme an der Fakultät für Informatik der Otto-Guericke-Universität Magdeburg.
More details
Other editions
Additional editions
Frank Höppner | Frank Klawonn | Rudolf Kruse
Fuzzy-Clusteranalyse
Verfahren für die Bilderkennung, Klassifizierung und Datenanalyse
Book
01/1997
1st Edition
Vieweg+Teubner Verlag
€44.99
Shipment within 10-15 days
Persons
Dipl.-Inform. Frank Höppner arbeitet als wissenschaftlicher Mitarbeiter am Institut für Flugführung für Luft- und Raumfahrt in Braunschweig.
Dr. Frank Klawonn ist wissenschaftlicher Mitarbeiter im Fachbereich Mathematik und Informatik der Technischen Universität Braunschweig.
Prof. Dr. Rudolf Kruse lehrt das Gebiet Neuro-Fuzzy-Systeme an der Fakultät für Informatik der Otto-Guericke-Universität Magdeburg.
Dr. Frank Klawonn ist wissenschaftlicher Mitarbeiter im Fachbereich Mathematik und Informatik der Technischen Universität Braunschweig.
Prof. Dr. Rudolf Kruse lehrt das Gebiet Neuro-Fuzzy-Systeme an der Fakultät für Informatik der Otto-Guericke-Universität Magdeburg.
Content
1 Begriffsbildung.- 1.1 Analyse von Daten.- 1.2 Clusteranalyse.- 1.3 Clusteranalyse mit Bewertungsfunktionen.- 1.4 Fuzzy-Analyse von Daten.- 1.5 Spezielle Bewertungsfunktionen.- 1.6 Ein Basis-Algorithmus bei bekannter Clusteranzahl.- 1.7 Vorgehen bei unbekannter Clusteranzahl.- 2 Klassische Fuzzy-Clustering-Verfahren.- 2.1 Der Fuzzy-c-Means-Algorithmus.- 2.2 Der Gustafson-Kessel-Algorithmus.- 2.3 Der Gath-Geva-Algorithmus.- 2.4 Vereinfachte Varianten des GK und GG.- 2.5 Rechenaufwand.- 3 Regelerzeugung mit Fuzzy-Clustering.- 3.1 Fuzzy-Regeln.- 3.2 Erlernen von Fuzzy-Klassifikationsregeln.- 3.3 Erlernen von Regeln zur Funktionsapproximation.- 4 Linear-Clustering-Verfahren.- 4.1 Der Fuzzy-c-Varieties-Algorithmus.- 4.2 Der Adaptive-Fuzzy-Clustering-Algorithmus.- 4.3 Der Gustafson-Kessel- und der Gath-Geva-Algorithmus.- 4.4 Rechenaufwand.- 5 Shell-Clustering-Verfahren.- 5.1 Der Fuzzy-c-Shells-Algorithmus.- 5.2 Der Fuzzy-c-Spherical-Shells-Algorithmus.- 5.3 Der Adaptive-Fuzzy-c-Shells-Algorithmus.- 5.4 Der Fuzzy-c-Ellipsoidal-Shells-Algorithmus.- 5.5 Der Fuzzy-c-Ellipses-Algorithmus.- 5.6 Der Fuzzy-c-Quadric-Shells-Algorithmus.- 5.7 Der modifizierte Fuzzy-c-Quadric-Shells-Algorithmus.- 5.8 Rechenaufwand.- 6 Clustergüte.- 6.1 Globale Gütemaße.- 6.2 Lokale Gütemaße.- 6.3 Initialisierung durch Kantendetektion.- 7 Erkennung spezieller Polygonzüge.- 7.1 Rechteck-Erkennung.- 7.2 Der Fuzzy-c-Rectangular-Shells-Algorithmus.- 7.3 Der Fuzzy-c-2-Rectangular-Shells-Algorithmus.- 7.4 Rechenaufwand.- A.1 Notation.- A.2 Einfluß der Skalierung auf die Clustereinteilung.- A.3 Zusammenfassung der FCQS- Clusterformen.- A.4 Geradentransformation.
