Frank Höppner, Frank Klawonn, Rudolf Kruse

Fuzzy-Clusteranalyse (eBook, PDF)

Verfahren für die Bilderkennung, Klassifizierung und Datenanalyse

• Format: PDF

Produktbeschreibung

Dieses Buch ist das Standardwerk zu einem neuen Bereich der angewandten Fuzzy-Technologie, der 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. Dieses Werk gibt eine methodische Einführung in die zahlreichen Fuzzy-Clustering-Algorithmen mit ihren Anwendungen in den Bereichen Datenanalyse, Erzeugung von Regeln für Fuzzy-Regler, Klassifikations- und Approximationsprobleme sowie eine ausführliche Darstellung des Shell-Clustering zur Erkennung von geometrischen Konturen in Bildern.

---

Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, HR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.

Produktdetails

• Verlag: Vieweg+Teubner Verlag
• Seitenzahl: 280
• Erscheinungstermin: 2. Juli 2013
• Deutsch
• ISBN-13: 9783322868367
• Artikelnr.: 53291569

Autorenporträt

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.

Inhaltsangabe

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.