Hierarchiczne aglomeracyjne sieci SOM w analizie skupień

Kamila Migdał-Najman , Krzysztof Najman

Abstract

Self-learning artificial neural networks type of SOM are one of the most effective data mining tools which are used in grouping and classification of multidimensional data. The decrease in network efficiency SOM clustering and classification of data often results from the assumed redundant network structure and a significant increase of dead neurons in the network. The process of self-learning of the network becomes unnecessarily long. One possibility of solving this problem is to build a hierarchical agglomerative SOM network. In these networks, there are two approaches: thematic and based on clusters. The aim of this paper is to analyze the properties of agglomerative HaSOM network in the cluster analysis.
Author Kamila Migdał-Najman KS
Kamila Migdał-Najman,,
- Department of Statistics
, Krzysztof Najman KS
Krzysztof Najman,,
- Department of Statistics
Other language title versionsThe hierarchical agglomerative SOM in the cluster analysis
Journal seriesPrace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, ISSN 1899-3192, e-ISSN 2392-0041 [0324-8445]
Issue year2016
No426
Pages139-147
Publication size in sheets0.5
Keywords in Polishanaliza skupień, nienadzorowane sieci neuronowe, sieć SOM, aglomer acyjne sieci HaSOM
Keywords in Englishcluster analysis, unsupervised neural networks, SOM, agglomerative hierarchical SOM (HaSOM)
Abstract in PolishSamouczące się sztuczne sieci neuronowe typu SOM należą do jednych z bardziej efektywnych narzędzi data mining, które są stosowane w grupowaniu i klasyfi- kacji danych wielowymiarowych. Spadek efektywności sieci SOM w grupowaniu i klasyfikacji danych często wynika z przyjętej nadmiarowej struktury sieci i znacznego przyrostu martwych neuronów w sieci. Proces samouczenia takiej sieci staje się niepotrzebnie długi. Jedną z możliwości rozwiązań tego problemu jest budowa hierarchicznych aglomeracyjnych sieci SOM (Hierarchical agglomerative SOM, HaSOM). W sieciach tych wyróżnia się dwa podejścia: tematyczne i oparte na skupieniach. Celem prezentowanych badań jest analiza własności aglomeracyjnych sieci HaSOM w analizie skupień danych o hierarchicznej strukturze.
DOIDOI:10.15611/pn.2016.426.14
URL http://www.dbc.wroc.pl/dlibra/docmetadata?id=33134&from=publication
Languagepl polski
LicenseOther; published final; Uznanie Autorstwa - Użycie Niekomercyjne - Bez utworów zależnych (CC-BY-NC-ND); with publication
Score (nominal)10
ScoreMinisterial score = 10.0, 13-12-2017, ArticleFromJournal
Ministerial score (2013-2016) = 10.0, 13-12-2017, ArticleFromJournal
Citation count*0
Cite
Share Share

Get link to the record
msginfo.png


* presented citation count is obtained through Internet information analysis and it is close to the number calculated by the Publish or Perish system.
Back