Beschreibung
Frank Höppner, Frank Klawonn, Rudolf Kruse:
Fuzzy Clusteranalyse, Vieweg (1997)
(ISBN 3-528-05543-X, 280 pp, € 50)
Dieses Buch führt in einen neuen Bereich der angewandten
Fuzzy-Technologie ein, die Fuzzy-Clusteranalyse. Diese beinhaltet
Verfahren der Mustererkennung zur Gruppierung und Strukturierung von
Daten. Dabei werden im Gegensatz zu klassischen Clustering-Techniken
die Daten nicht eindeutig zu Klassen zugeordnet, sondern
Zugehörigkeitsgrade bestimmt, so dass die Fuzzy-Verfahren robust
gegenüber gestörten oder verrauschten Daten sind und
fliessende Klassenübergänge handhaben können.
- Unscharfe Einteilung von Daten
- Verfahren für haufenförmige Cluster (FCM, GK, GG)
- Clustergüte
- Gewinnen von Fuzzy-Regeln aus der Clusteranalyse
- Geraden/Kreis/Ellipsen-Erkennung in verrauschten Daten
- Beispielhafte Übertragung der Methoden auf
Rechteckformen
|
Inhaltsverzeichnis
Einleitung
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 Clusterzahl
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 FCQS Algorithmus
5.8 Rechenaufwand
6 Clustergüte
6.1 Globale Gütemaße
6.1.1 Solid-Clustering Gütemaße
6.1.2 Shell-Clustering Gütemaße
6.2 Lokale Gütemaße
6.2.1 Der Compatible-Cluster-Merging Algorithmus
6.2.2 Der Unsupervised-FCSS Algorithmus
6.2.3 Das Konturdichte Kriterium
6.2.4 Der Unsupervised-(M)FCQS Algorithmus
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
Anhang
A.1 Notation
A.2 Einfluß der Skalierung auf die Clustereinteilung
A.3 Zusammenfassung der FCQS Clusterformen
A.4 Geradentransformation
|
