Contribuciones desde una perspectiva basada en proximidades al fuzzy K-means clustering

• Autores: Francesc Oliva i Cuyàs , Miquel de Cáceres Ainsa, Xavier Font Castell, C. M. Cuadras
• Localización: XXVI Congreso Nacional de Estadística e Investigación Operativa: Úbeda, 6-9 de noviembre de 2001, 2001, ISBN 84-8439-080-2
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen

  • El fuzzy K-means es una generalización del algoritmo K-means en el ámbito de la lógica difusa. Si como información de origen se dispone únicamente de proximidades entre los objetos, puede obtenerse una partición fuzzy K-means a partir de expresiones basadas en las mismas proximidades, sin necesidad de disponer de coordenadas de representación de los objetos. Por otra parte, debido a que la participación de un individuo en un cluster influye en su posterior reasignación, se propone una modificación del algoritmo basada en una validación cruzada (cross-validation) que elimina dicho efecto. Todas las expresiones aportadas admiten una versión crisp del K-means.