Entropy based statistical mechanical fuzzy clustering method and its visualization

基于熵的统计机械模糊聚类方法及其可视化

• 批准号: 19500201
• 负责人: YASUDA Makoto
• 金额: $ 2万
• 依托单位: Gifu National College of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2007
• 资助国家: 日本
• 起止时间: 2007 至 2009
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-19500201/
• 关键词: ファジィ理論; 情報統計力学; ファジィクラスタリング; ファジィc平均法; ファジィエントロピー; 確定的アニーリング法; シミュレーテッドアニーリング法; Tsallisエントロピー; 可視化; 自己組織化マップ; 遺伝的アルゴリズム; 競合共進化アルゴリズム; フォーカシング問題

The fuzzy clustering methods which combine the deterministic annealing (DA) approach with fuzzy entropy or Tsallis entropy are examined. By maximizing fuzzy entropy or Tsallis entropy within the framework of the fuzzy c-means (FCM) method, membership functions similar to the statistical mechanical distribution functions are obtained. The characteristics of these entropies and membership functions are investigated from the statistical mechanical point of view.Both fuzzy entropy and Tsallis entropy based FCM are formulated as DA clustering. Numerical experiments showed that these algorithms can divide data more properly and stably than the standard clustering method. The very fast annealing (VFA) method is applied to DA for cooling schedule of the temperature. Also, the membership functions are approximated by linear functions. The obtained results indicate that the proposed method can shorten computational times.Multidimensional questionnaire data were clustered and, by omitting some dimensions, the resultant clusters and memberships were visualized.

研究了将确定性退火 (DA) 方法与模糊熵或 Tsallis 熵相结合的模糊聚类方法。通过在模糊c均值（FCM）方法的框架内最大化模糊熵或Tsallis熵，可以获得类似于统计力学分布函数的隶属函数。从统计力学的角度研究了这些熵和隶属函数的特征。模糊熵和基于Tsallis熵的FCM都被表述为DA聚类。数值实验表明，这些算法比标准聚类方法能够更恰当、更稳定地划分数据。 DA 采用极快速退火 (VFA) 方法来实现温度的冷却计划。此外，隶属函数由线性函数近似。所得结果表明该方法可以缩短计算时间。对多维问卷数据进行聚类，并通过省略一些维度，将所得聚类和隶属度可视化。

项目成果

確定的アニーリング法を適用したファジィエントロピー正則化ファジィc-平均法の冷却スケジュール

应用确定性退火方法的模糊熵正则化模糊c均值法的冷却时间表

• 发表时间: 2008
• 作者: 高木雅也; 安田真
• 通讯作者: 安田真

Deterministic and simulated annealing approach to fuzzy c-means clustering

模糊 C 均值聚类的确定性模拟退火方法

• 发表时间: 2009
• 作者: M.Yasuda

クラスタリングデータの可視化

聚类数据可视化

• 发表时间: 2009
• 作者: 外川達馬; 安田真
• 通讯作者: 安田真

Deterministic and simulated annealing approach to fuzzy c-means clustering

模糊 C 均值聚类的确定性模拟退火方法

• 发表时间: 2009
• 作者: M. Yasuda

エントロピーを導入したファジィクラスタリング手法の開発

利用熵的模糊聚类方法的发展

• 发表时间: 2009
• 作者: 白木辰哉; 安田真
• 通讯作者: 安田真