An Overall Framework of Modeling, Clustering, and Evaluation for Trapezoidal Information Granules
Notice bibliographique
Résumé
In existing granular clustering algorithms, the design of coverage and specificity does not fully capture the inherent structural characteristics of granular data together with the optimization issue, and the current weight setting for the granular data is not sufficient. To address these problems, in this study, the trapezoidal information granule, which is rarely studied before, is concentrated, and we come up with a novel granular clustering algorithm called the weighted possibilistic fuzzy c-means algorithm for trapezoidal granularity (WPFCM-T). Firstly, under the acknowledged principle of justifiable granularity, novel functions of coverage and specificity are designed for trapezoidal information granules, considering the internal characteristics of such granules. The idea of particle swarm optimization (PSO) is exploited to upgrade the established granular data, and then the trapezoidal information granule construction (TIGC) method is proposed to realize granular modeling. Secondly, an exponential weight is constructed with regard to coverage and specificity, while a novel distance via α-cuts is given. The possibilistic fuzzy c-means (PFCM) structure is introduced into granular clustering, in which the new weight and distance are integrated, resulting in the proposed WPFCM-T algorithm. Thirdly, the reconstruction criterion is studied to evaluate granular clustering, and hence an overall framework including granular modeling, clustering and evaluation is constructed. Lastly, through experiments completed on artificial datasets, UCI datasets, large datasets, high-dimensional datasets, and noisy datasets, WPFCMT has superior granular data reconstruction ability by contrast with other granular clustering algorithms, indicating that the granular clustering performance of WPFCM-T is better than the others.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».