Jag accepterar att kakor lagras på min dator

Läs mer

Combined clustering and topological ordering in a Potts model -- numerical benchmarking studies.

Combined clustering and topological ordering in a Potts model -- numerical benchmarking studies. Beställ tryckt exemplar Lägg i kundvagnen
Författare: Bengtsson Mats
Ort: Linköping
Sidor: 28
Utgivningsår: 1999
Publiceringsdatum: 1999-03-01
Rapportnummer: (FOA-R--98-00930-616)
Nyckelord neural networks, clustering, self-organization, statistical mechanics, Potts spin, neuronnät, klustring, självorganisation, statistisk mekanik, Potts spinn, E7015, 73
Sammanfattning Vi presenterar en Potts spin modell med medelfälts dynamik som samtidigt utför klustring samt ordnar data topologiskt. Modellen är implicit hierarkisk genom ett antal fasövergångar medan temperaturen hos systemet sänks. Vid varje övergång splittras en klusterprototyp i två på ett sådant sätt att de rekonstruerade klustercentra beskriver en lokal principalkomponent analys (PCA). Detaljerade jämförande numeriska undersökningar visar att Potts-modellen är överlägsen vektorkvantiseringsmodellen (VQ) samt den självorganiserande (SOM) modellen. För glest fördelade Gaussiska kluster så är resultaten konsistenta med den optimala Bayes gränsen. En topologisk kostterm som inte påverkar klustringen har som sidoeffekt att klustringsresultaten kan förbättras dessutom.
Abstract We present a Potts spin model with mean field dynamics that makes a simultaneous clustering and a topological ordering of data. The model is implicitly hierarchical through a number of phase transitions as the temperature of the system is decreased. At each transition a cluster prototype is split in two in such a way that the reconstructed cluster centers describe a local Principal Component Analysis (PCA). Detailed numerical benchmarking studies show that the Potts model outperforms the long used Vector Quantization (VQ) model, and the Self Organizing Map (SOM) model. The sparsely distributed Gaussian clusters, results are consistent with the optimal Bayes limit. A topological cost term, which does not influence the clustering cost, but merely breaks a degeneracy, results in a better dynamics, which has the side effect that the clustering performance may improve as well

Kundvagn

Inga rapporter i kundvagnen

FOI, Totalförsvarets forskningsinstitut

FOI
Totalförsvarets forskningsinstitut
164 90 Stockholm

Tel: 08-555 030 00
Fax: 08-555 031 00

Orgnr: 202100-5182