Počet záznamů: 1
Initialization of Recursive Mixture-based Clustering with Uniform Components
- 1.
SYSNO ASEP 0476595 Druh ASEP C - Konferenční příspěvek (mezinárodní konf.) Zařazení RIV D - Článek ve sborníku Název Initialization of Recursive Mixture-based Clustering with Uniform Components Tvůrce(i) Suzdaleva, Evgenia (UTIA-B) RID, ORCID
Nagy, Ivan (UTIA-B) RID, ORCID
Pecherková, Pavla (UTIA-B) RID
Likhonina, Raissa (UTIA-B) ORCIDCelkový počet autorů 4 Zdroj.dok. Proceedings of the 14th International Conference on Informatics in Control, Automation and Robotics (ICINCO 2017), Volume 1. - Setúbal : SCITEPRESS, 2017 - ISBN 978-989-758-263-9 Rozsah stran s. 449-458 Poč.str. 10 s. Forma vydání Nosič - C Akce The 14th International Conference on Informatics in Control, Automation and Robotics (ICINCO 2017) Datum konání 26.07.2017 - 28.07.2017 Místo konání Madrid Země ES - Španělsko Typ akce WRD Jazyk dok. eng - angličtina Země vyd. ES - Španělsko Klíč. slova Mixture-based Clustering ; Recursive Mixture Estimation ; Uniform Components Vědní obor RIV BB - Aplikovaná statistika, operační výzkum Obor OECD Statistics and probability CEP GA15-03564S GA ČR - Grantová agentura ČR Institucionální podpora UTIA-B - RVO:67985556 EID SCOPUS 85029307166 DOI 10.5220/0006417104490458 Anotace The paper deals with a task of initialization of the recursive mixture estimation for the case of uniform components. This task is significant as a part of mixture-based clustering, where data clusters are described by the uniform distributions. The issue is extensively explored for normal components. However, sometimes the assumption of normality is not suitable or limits potential application areas (e.g., in the case of data with fixed bounds). The use of uniform components can be beneficial for these cases. Initialization is always a critical task of the mixture estimation. Within the considered recursive estimation algorithm the key point of its initialization is a choice of initial statistics of components. The paper explores several initialization approaches and compares results of clustering with a theoretical counterpart. Experiments with real data are demonstrated. Pracoviště Ústav teorie informace a automatizace Kontakt Markéta Votavová, votavova@utia.cas.cz, Tel.: 266 052 201. Rok sběru 2018
Počet záznamů: 1