Cải tiến thuật toán tự cập nhật chùm cho các hàm mật độ xác suất
,
và
*
Article Sidebar
Full Text: 
PDF
Abstract
This research improves the cluster self-update algorithm for probability density functions (PDFs) when the parameter is selected based on each dataset rather than being constant, as in previous algorithms. The proposed algorithm is presented in detail with step-by-step procedures and numerical examples. It is also applied to image data, where the pixels are extracted and represented as representative PDFs. Applying numerical examples and images demonstrates that the proposed algorithm obtains good results and outperforms some recently published algorithms.
Tóm tắt
Nghiên cứu được thực hiện nhằm cải tiến thuật toán tự cập nhật chùm cho các hàm mật độ xác suất (PDF) khi tham số trong thuật toán được chọn thích ứng với từng tập dữ liệu thay vì là một hằng số như các thuật toán trước đó. Thuật toán đề nghị được trình bày chi tiết các bước thực hiện và ví dụ số minh hoạ. Thuật toán đề nghị cũng được áp dụng cho dữ liệu ảnh khi các pixel của chúng được trích xuất và biểu diễn thành các PDF đại diện. Áp dụng cho dữ liệu số và dữ liệu ảnh, thuật toán đề nghị đã cho kết quả tốt và thuận lợi hơn một số thuật toán được công bố gần đây.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Tài liệu tham khảo
Bowman, A. W., & Azzalini, A. (1997). Applied smoothing techniques for data analysis: the kernel approach with S-Plus Iilustrations. https://global.oup.com/academic/"Oxford University Press
Chen, T. L., & Shiu, S. Y. (2007). A new clustering algorithm based on self-updating process. Proceeding about Atatistical Computing, Salt Lake City, Utah 2034, 1-5. https://api.semanticscholar.org/CorpusID:18819116
Chen, J. H., Chang, Y. C., & Hung, W. L. (2020). A self-organizing clustering algorithm for functional data. Communications in Statistics-Simulation & Computation, 49(5), 1237–1263. https://doi.org/10.1080/03610918.2018.1494280
Chen, J. H., & Hung, W. L. (2015). An automatic clustering algorithm for probability density functions. Journal of statistical computation & simulation, 85(15), 3047–3063.
https://doi.org/10.1111/stan.12315
Chen, T. L., & Shiu, S. Y. (2016). A new clustering algorithm based on self-updating process. In proceedings Statistical Computing, Salt Lake City, Utah, 2034, 2038.
https://api.semanticscholar.org/CorpusID:18819116
Hung, W. L., Chang-Chien, S. J., & Yang, M. S. (2015). An intuitive clustering algorithm for spherical data with application to extrasolar planets. Journal of Applied Statistics, 42(10), 2220–2232. https://doi.org/10.1080/02664763.2015.1023271
Hung, W. L., & Yang, J. H. (2015). Automatic clustering algorithm for fuzzy data. Journal of Applied Statistics, 42(7), 1503–1518. https://doi.org/10.1080/02664763.2014.1001326
Hung, W. L., Yang, J. H., & Shen, K. F. (2016). Self-updating clustering algorithm for interval-valued data. In 2016 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE), 1494–1500.
https://doi.org/10.1109/FUZZ-IEEE.2016.7737867.
Hung, W. L., Yang, J. H., Song, I. W., & Chang, Y. C. (2021). A modified self-updating clustering algorithm for application to dengue gene expression data. Communications in Statistics-Simulation & Computation, 50(2), 483–500. https://doi.org/10.1080/03610912018.1563149
Le, K. T. N., Le, H. T., & Vo, V. T. (2023). Automatic clustering algorithm for interval data based on overlap distance. Communications in Statistics-Simulation & Computation, 52(5), 2194–2209. https://doi.org/10.1080/03610918.2021.1900248
Pham, D. T., & Vo, T. V. (2024). Improving fuzzy clustering model for probability density functions using the two-objective genetic algorithm. Multimedia Tools & Applications 83, 45291–45314.https://doi.org/10.1007/s11042-023-17217-5.
Shiu, S. Y., & Chen, T. L. (2016). On the strengths of the self-updating process clustering algorithm. Journal of Statistical Computation & Simulation, 86(5), 1010–1031. https://doi.org/10.1080/00949655.2015.1049605
Vo, T. V., & Nguyen, T. T. (2018). Similar coefficient of cluster for discrete elements. Sankhya B, The Indian Journal of Statistics, 80(1), 19 - 36.
https://doi.org/10.1007/s13571-018-0159-0
Vo, T. V., Nguyen, Y. H., Dang, S. (2023). An automatic fuzzy clustering algorithm for discrete elements. Journal of the Operations Research Society of China, 11, 309-325. https://doi.org/10.1007/s40305-021-00388-z