×
Shkaberina、Guzel Sh。;维克托·奥尔洛夫一世。;埃琳娜·托比斯（Elena M.Tovbis）。;A级Kazakovtsev。

按均匀生产批次对工业产品进行自动分组的优化模型。 （英语） Zbl 1460.90159号

Kochetov，Yury（编辑）等人，《数学优化理论和运筹学》。第19届国际会议，2020年7月6日至10日，俄罗斯新西伯利亚，MOTOR 2020。修订了选定的论文。查姆：斯普林格。Commun公司。计算。信息科学。1275, 421-436 (2020).
摘要：我们提出了一种基于马氏距离测度的k均值模型的自动分组（聚类）优化模型。该模型通过计算训练样本协方差矩阵的平均估计值，将训练（参数化）过程用于马氏距离度量。在这项工作中，我们研究了（k）-均值算法在设备自动分组问题中的应用，每个设备都由大量测量参数描述，具有各种距离度量：欧几里德、曼哈顿、马氏。如果我们有一个事先已知组成的样本，我们将其用作训练（参数化）样本，从中可以使用马氏距离计算均匀生产批次协方差矩阵的平均估计。我们提出了一种新的聚类模型，该模型基于马氏距离和协方差矩阵的平均（加权平均）估计的k均值算法。我们在自动分组（聚类）的计算实验中使用了基于k均值模型的各种优化模型电子无线电元件的无损检测结果。因此，我们新的自动分组模型使我们能够通过兰德指数达到最高精度。
关于整个系列，请参见[Zbl 1454.90004号].

MSC公司：

90C27型 组合优化
90 C90 数学规划的应用

关键词：

\（k）-表示;电子收音机部件;群集

软件：

剪影;J平均值;群集查找
PDF格式BibTeX公司 XML格式引用
\textit{G.Sh.Shkaberina}等人，Commun。计算。信息科学。1275、421--436（2020；Zbl 1460.90159）
全文： 内政部

参考文献：

[1] Orlov，V.I.、Kazakovtsev，L.A.、Masich，I.S.、Stashkov，D.V.：为航天工业微电子产品选择决策提供算法支持。克拉斯诺亚尔斯克西伯利亚国立航空航天大学（2017）
[2] Kazakovtsev，L.A.，Antamoshkin，A.N.：位置问题的贪婪启发式方法。Vestnik SibGAU 16（2），317-325（2015）
[3] Rozhnov，I.，Orlov，V.，Kazakovtsev，L.：半导体器件均匀生产批次检测问题的聚类算法集合。在：2018优化问题及其应用学校研讨会，OPTA-SCL 2018，第2098卷，第338-348页（2018）
[4] Kazakovtsev，L.A.、Antamoshkin，A.N.、Masich，I.S.：EEE元件分类的快速确定性算法。IOP配置序列。马特。科学。工程94。https://doi.org/10.1088/1757-899X/04/1012015。文章ID 012015
[5] Li，Y.，Wu，H.：基于K-means算法的聚类方法。物理。Procedia 251104-1109（2012）。https://doi.org/10.1016/j.php项目.2012.03.206 ·doi:10.1016/j.phpro.2012.03.206
[6] Ansari，S.A.等人：使用K-means聚类法对印度尼西亚的省份进行聚类。《物理学杂志》。Conf.序列号。1028, 521-526 (2018). 012006 ·doi:10.1088/1742-6596/1028/1/012144
[7] 马里兰州侯赛因、马里兰州阿赫塔、马里兰州艾哈迈德、R.B.、拉赫曼：用于数据挖掘的动态K-means聚类。印度。J.电气。工程计算。科学。13(521), 521-526 (2019)
[8] Perez-Ortega，J.，Almanza-Orteka，N.N.，Romero，D.：平衡大数据领域中K-means聚类算法的努力和利益。《公共科学图书馆·综合》13（9），e0201874（2018）。https://doi.org/10.1371/journal.pone.0201874 ·doi:10.1371/journal.pone.201874
[9] Patel，V.R.，Mehta，R.G.：改进的k-Means聚类算法。收录：Das，V.V.，Thankachan，N.（编辑）CIIT 2011。CCIS，第250卷，第307-312页。斯普林格，海德堡（2011）。https://doi.org/10.1007/978-3-642-25734-6_46 ·doi:10.1007/978-3-642-25734-6-46
[10] Na，S.，Xumin，L.，Yong，G.：k-means聚类算法的研究：一种改进的k-means算法。2010年第三届智能信息技术与安全信息学国际研讨会，井冈山，第63-67页（2010）
[11] MacQueen，J.：多元观测分类和分析的一些方法。摘自：《第五届伯克利数理统计与概率研讨会论文集》，第1卷，第281-297页（1967年）·Zbl 0214.46201号
[12] Shkaberina，G.S.，Orlov，V.I.，Tovbis，E.M.，Kazakovtsev，L.A.：确定空间工业半导体器件混合生产批次分离问题的最佳信息特征集。收录：Bykadorov，I.、Strusevich，V.、Tchemisova，T.（编辑）2019年汽车展。CCIS，第1090卷，第408-421页。查姆施普林格（2019）。https://doi.org/10.1007/978-3-030-33394-2_32 ·doi:10.1007/978-3-030-33394-2_32
[13] Jain，A.K.，Dubes，R.C.：聚类数据算法。Prentice-Hall，Englewood Cliffs（1981）·Zbl 0665.62061号
[14] Bradley，P.S.，Mangasarian，O.L.，Street，W.N.：通过凹最小化进行聚类。In:《神经信息处理系统进展》，第9卷，第368-374页（1997）
[15] Har-Peled，S.、Mazumdar，S.：k-Means和k-Median聚类的核心集及其应用。摘自：第36届ACM计算机理论年会论文集，第291-300页（2003）·Zbl 1192.68904号
[16] F.E.马兰扎纳：关于供应点的位置，以尽量降低运输成本。IBM系统。J.2（2），129-135（1963）。https://doi.org/10.1147/sj.22.0129 ·doi:10.1147/sj.22.0129
[17] Kaufman，L.，Rousseeuw，P.J.：通过Medoids进行聚类。摘自：Dodge，Y.（编辑）《基于L1-Norm和相关方法的统计数据分析》，第405-416页。荷兰北部，阿姆斯特丹（1987）
[18] Park，H.-S.，Jun，C.-H.：一种简单快速的K-medoids聚类算法。专家系统。申请。36(2), 3336-3341 (2009). https://doi.org/10.1016/j.eswa.2008.01.039 ·doi:10.1016/j.eswa.2008.01.039
[19] Davies，D.L.，Bouldin，D.W.：集群分离措施。IEEE传输。模式分析。机器。智力。PAMI-1（2），224-227（1979）·doi:10.1109/TPAMI.1979.4766909
[20] Deza，M.M.、Deza、E.：规范结构的度量。收录于：《距离百科全书》，第89-99页。斯普林格，海德堡（2013）https://doi.org/10.1007/978-3-642-30958-8_5
[21] De Maesschalck，R.，Jouan-Rimbaud，D.，Massart，D.L.：马哈拉诺比斯距离。化学。智力。实验室系统。50(1), 1-18 (2000). https://doi.org/10.1016/S0169-7439(99)00047-7 ·doi:10.1016/S0169-7439（99）00047-7
[22] McLachlan，G.J.：马哈拉诺比斯距离。共振4（20），1-26（1999）。https://doi.org/10.1007/BF02834632 ·doi:10.1007/BF02834632
[23] Xing，E.P.，Jordan，M.I.，Russell，S.J.，Ng，A.Y.：距离度量学习，应用于带有副信息的聚类。《神经信息处理系统进展》，第15卷，第521-528页（2003年）
[24] Arathiand，M.，Govardhan，A.：使用形状集进行时间序列分类时马氏距离的表现。国际J·马赫。学习。计算。4(4), 339-345 (2014) ·doi:10.7763/IJMLC.2014V4.434
[25] Orlov，V.I.，Shkaberina，G.S.，Rozhnov，I.P.，Stupina，A.A.，Kazakovtsev，L.A.：具有特殊距离度量的聚类算法在无线电产品自动分组问题中的应用。Upravlenia I信息技术学院3（77），42-46（2019）
[26] Orlov，V.I.，Fedosov，V.V.:ERC聚类数据集（2016）。http://levk.info/data1526.zip
[27] Kazakovtsev，L.A.，Orlov，V.I.，Stashkov，D.V.，Antamoshkin，A.N.，Masich，I.S.：电子元件均匀生产批次检测的改进模型。IOP配置序列。马特。科学。工程255（2017）。https://doi.org/10.1088/1757-899x/255/1/012004
[28] Shumskaia，A.O.：欧几里德距离度量和马氏距离度量在识别文本起源方面的有效性评估。Doklady Tomskogo gosudarstvennogo universiteta system upravlenia I radioelektroniki 3（29），141-145（2013）
[29] Kaufman，L.，Rousseeuw，P.：《在数据中发现群体：聚类分析导论》。威利，纽约（1990年）·Zbl 1345.62009号 ·doi:10.1002/9780470316801
[30] Rousseeuw，P.：轮廓：用于解释和验证聚类分析的图形辅助工具。J.计算。申请。数学。20, 53-65 (1987) ·Zbl 0636.62059号 ·doi:10.1016/0377-0427（87）90125-7
[31] Golovanov，S.M.，Orlov，V.I.，Kazakovtsev，L.A.：基于轮廓准则最大化的递归聚类算法，用于按均匀批次分类半导体器件。IOP配置序列。马特。科学。工程537（2019）。022035
[32] Lapidot，I.：基于马氏距离的k-means聚类的收敛问题。收录于：IEEE以色列电气工程科学国际会议（ICSEE）（2018）。https://doi.org/10.109/icsee.2018.8646138
[33] Shkaberina，G.Sh.，Orlov，V.I.，Tovbis，E.M.，Sugak，E.V.，Kazakovtsev，L.A.：半导体器件参数对混合生产批次分离精度影响的评估。IOP配置序列。马特。科学。工程537（2019）。https://doi.org/10.1088/1757-899X/537/3/032088。032088
[34] Rand，W.M.：评价聚类方法的客观标准。《美国统计协会期刊》66（336），846-850（1971）。https://doi.org/101080/01621459.1971.10482356 ·doi:10.1080/01621459.1971.10482356
[35] Hansen，P.，Mladenovic，N.：J-means：最小平方和聚类的一种新的局部搜索启发式算法。模式识别。34(2), 405-413 (2001). https://doi.org/10.1016/S0031-3203(99)00216-2 ·Zbl 1012.68873号 ·doi:10.1016/S0031-3203（99）00216-2
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。