New Classification Method Based on Modular Neural Networks with the LVQ Algorithm and Type-2 Fuzzy Logic (eBook)
VIII, 73 Seiten
Springer International Publishing (Verlag)
978-3-319-73773-7 (ISBN)
In this book a new model for data classification was developed. This new model is based on the competitive neural network Learning Vector Quantization (LVQ) and type-2 fuzzy logic. This computational model consists of the hybridization of the aforementioned techniques, using a fuzzy logic system within the competitive layer of the LVQ network to determine the shortest distance between a centroid and an input vector. This new model is based on a modular LVQ architecture to further improve its performance on complex classification problems. It also implements a data-similarity process for preprocessing the datasets, in order to build dynamic architectures, having the classes with the highest degree of similarity in different modules. Some architectures were developed in order to work mainly with two datasets, an arrhythmia dataset (using ECG signals) for classifying 15 different types of arrhythmias, and a satellite images segments dataset used for classifying six different types of soil. Both datasets show interesting features that makes them interesting for testing new classification methods.
Introduction.- Theory and Background.- Problem Statement.- Proposed Classification Method.- Simulation Results.- Conclusions.
| Erscheint lt. Verlag | 5.2.2018 |
|---|---|
| Reihe/Serie | SpringerBriefs in Applied Sciences and Technology |
| SpringerBriefs in Applied Sciences and Technology | |
| SpringerBriefs in Computational Intelligence | SpringerBriefs in Computational Intelligence |
| Zusatzinfo | VIII, 73 p. 22 illus., 12 illus. in color. |
| Verlagsort | Cham |
| Sprache | englisch |
| Themenwelt | Informatik ► Software Entwicklung ► User Interfaces (HCI) |
| Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik | |
| Technik | |
| Schlagworte | Computational Intelligence • Data Classification • Learning Vector Quantization • LVQ • Modular Neural Networks • Type-2 Fuzzy Logic |
| ISBN-10 | 3-319-73773-2 / 3319737732 |
| ISBN-13 | 978-3-319-73773-7 / 9783319737737 |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)Größe: 2,2 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
