MỘT PHƯƠNG PHÁP PHÂN CỤM MỜ VIỄN CẢNH MỚI TRONG PHÂN ĐOẠN ẢNH VỆ TINH VÙNG NƯỚC

0 Người đánh giá. Xếp hạng trung bình 0

Tác giả: Thị Cành Hoàng, Huy Thông Phạm, Thế Huân Phùng, Thị Ngân Trần

Ngôn ngữ: vie

Ký hiệu phân loại:

Thông tin xuất bản: Tạp chí Khoa học và Công nghệ - Đại học Thái Nguyên, 2022

Mô tả vật lý: tr.28 - 36

Bộ sưu tập: Metadata

ID: 335571

Thêm vào giỏ Liên kết toàn văn

Gần đây, các hướng nghiên cứu trên tập mờ nâng cao đang nhận được nhiều sự quan tâm từ nhiều nhà nghiên cứu, điển hình là các nghiên cứu về tập mờ viễn cảnh. Tập mờ viễn cảnh đã được đề xuất để giải quyết các vấn đề về dữ liệu nhiễu nhằm nâng cao hiệu suất phân cụm. Với việc có 4 thuộc tính: Độ khẳng định, độ phủ định, độ do dự và độ từ chối giúp cho mô hình tối ưu sử dụng tập mờ viễn cảnh có nhiều lựa chọn hơn, có thể đem lại kết quả chính xác hơn. Trong bài báo này, chúng tôi đề xuất một phương pháp phân cụm bán giám sát mờ viễn cảnh mới có tên gọi PFSFCM. Phương pháp đề xuất được so sánh thực nghiệm với phương pháp phân cụm mờ viễn cảnh (FCPFS) và phương pháp phân cụm bán giám sát mờ an toàn có trọng số tin cậy (CS3FCM) về hiệu suất phân cụm trên cả bộ dữ liệu UCI và dữ liệu ảnh vệ tinh vùng nước. Các kết quả thực nghiệm chỉ ra rằng, phương pháp đề xuất của chúng tôi có hiệu suất tốt so với các phương pháp liên quan.In recent years, the research directions on advanced fuzzy sets have been received a lot of attention from scientists, typically studies on Picture Fuzzy Set (PFS). Picture fuzzy set was proposed to solve the problems of noisy data in order to improve the clustering performance. With four membership degrees, including the positive, the neutral, the negative and the refusal, the optimal models using Picture fuzzy set have more choices and may yield more accurate results. In this paper, we propose a new Picture fuzzy clustering method named as PFSFCM. The proposed method is implemented and experimentally compared against the related methods, including the standard Picture fuzzy clustering (FCPFS), and the Confidence-weighted safe semi-supervised clustering (CS3FCM) in quality of clustering results with both of UCI dataset and Seattle Surface Water Dataset. The experimental results show that the proposed method has better performance comparing to selected methods on the same datasets.

1. Đọc trực tuyến

1. Đọc trực tuyến

Tạo bộ sưu tập với mã QR