این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Iranian Journal of Electrical and Electronic Engineering، جلد ۸، شماره ۲، صفحات ۱۰۸-۱۲۱
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Bilateral Weighted Fuzzy C-Means Clustering
چکیده انگلیسی مقاله Nowadays, the Fuzzy C-Means method has become one of the most popular clustering methods based on minimization of a criterion function. However, the performance of this clustering algorithm may be significantly degraded in the presence of noise. This paper presents a robust clustering algorithm called Bilateral Weighted Fuzzy CMeans (BWFCM). We used a new objective function that uses some kinds of weights for reducing the effect of noises in clustering. Experimental results using, two artificial datasets, five real datasets, viz., Iris, Cancer, Wine, Glass and a speech corpus used in a GMM-based speaker identification task show that compared to three well-known clustering algorithms, namely, the Fuzzy Possibilistic C-Means, Credibilistic Fuzzy C-Means and Density Weighted Fuzzy C-Means, our approach is less sensitive to outliers and noises and has an acceptable computational complexity.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله امیرحسین hadjahmadi | a h hadjahmadi
vali-e-asr university of rafsanjan. iran


محمد مهدی همایون پور | m m homayounpour
amirkabir university of tehran, iran

سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

m احدی | m. ahadi
amirkabir university of tehran, iran

سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نشانی اینترنتی http://ijeee.iust.ac.ir/browse.php?a_code=A-10-606-1&slc_lang=en&sid=en
فایل مقاله دریافت فایل مقاله
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده 6-ArtificialIntelligence
نوع مقاله منتشر شده Research Paper
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات