迈克尔·特伦(Michael C.Thrun)。;阿尔弗雷德·乌尔奇 群集智能用于自组织集群。 (英语) Zbl 1504.68191号 Artif公司。智力。 290,文章ID 103237,24 p.(2021). 摘要:实现相互交互并感知其环境的代理群体的算法可能会表现出自组织和群体智能等紧急行为。这里介绍了一种称为数据仿生群(DBS)的群系统,它能够适应以数据空间中基于距离和/或密度的结构为特征的高维数据结构。通过利用群体智能、自组织和涌现的相互关系,DBS成为在聚类任务中优化全局目标函数的另一种方法。该群省略了全局目标函数的使用,并且是无参数的,因为它在退火过程中搜索纳什均衡。据我们所知,DBS是第一个将这些方法结合在一起的群体。如果没有关于数据的先验知识,它的聚类可以优于常见的聚类方法,如K-means、PAM、单链、谱聚类、基于模型的聚类和Ward。聚类的一个中心问题是正确估计聚类的数量。这通过称为地形图的DBS可视化解决,地形图允许评估集群数量。众所周知,无论数据集是否包含簇,所有聚类算法都会构造簇。与大多数其他聚类算法相比,地形图表明,如果数据不包含(自然)聚类,则数据聚类是无意义的。DBS的性能在一组基准数据上进行了演示,这些基准数据是为解决集群问题而构建的,并在两个实际应用程序中进行了演示。 引用于1文件 MSC公司: 68T05型 人工智能中的学习和自适应系统 62H30型 分类和区分;聚类分析(统计方面) 关键词:聚类分析;群体智能;自组织;非线性降维;可视化;出现;博弈论 软件:R(右);RcppArmadillo公司;麦克卢斯特;CRAN(起重机);群集查找;群集验证;数据仿生群;A分析;自适应高斯;类鸟群 PDF格式BibTeX公司 XML格式引用 \textit{M.C.Thrun}和\textit{A.Ultsch},Artif。智力。290,文章ID 103237,24 p.(2021;Zbl 1504.68191) 全文: 内政部 arXiv公司 参考文献: [1] 亚伯拉罕。;郭,H。;Liu,H.,《Swarm intelligence:基础、前景和应用》(Nedjah,N.;Mourelle,L.d.M.,Swarm智能系统(2006),Springer),3-25 [2] 艾伯哈德,S。;库曼斯,D。;De Vel,O.,《高维环境中分类器的比较》(1992),数学系。统计人员。,詹姆斯·库克大学,澳大利亚昆士兰北部,技术代表,卷(92-02) [3] 安德森,E.,《加塞半岛的虹膜》,布尔。美国Iris学会,59,2-5(1935) [4] 阿帕纳,K。;Nair,M.K.,使用ACO作为高维数据优化技术的K-means算法增强,(电子与通信系统(ICECS),2014年国际会议(2014年),IEEE),1-5 [5] Arabie,P。;休伯特,L.J。;De Soete,G.,聚类和分类(1996),《世界科学:世界科学新加坡》·Zbl 0836.00014号 [6] Arumugam,M.S。;Chandramohan,A。;Rao,M.,通过新的加速协同有效变体和变异算子实现PSO算法的竞争方法,(Proc.第六届国际计算智能和多媒体应用会议(ICCIMA'05)(2005),IEEE),225-230 [7] Aubert,A.H。;特隆,M.C。;布鲁尔,L。;Ultsch,A.,《高频溪流硝酸盐浓度的知识发现:水文和生物学贡献》,《科学》。代表,6,第31536条pp.(2016) [8] 贝克斯,R。;俄亥俄州荷兰。;Deneubourg,J.-L.,《从局部行动到全球任务:耻辱和集体机器人》(Proc.Artificial Life IV,vol.181(1994)),189 [9] Bellman,R.,《动态编程》(1957),普林斯顿大学出版社:普林斯顿大学·Zbl 0077.13605号 [10] Beni,G.,《从群体智能到群体机器人》(Proc.国际群体机器人研讨会(2004),施普林格出版社),1-9 [11] Beni,G。;Wang,J.,《细胞机器人系统中的群体智能》,(《北约机器人和生物系统高级研讨会》,《北约机器人与生物系统高级会议》,意大利托斯卡纳(1989)) [12] Benyus,J.,《生物模拟:设计激发的创新》(2002),Harper Perennial:Harper Perenenial New York [13] Bogon,T.,Agentenbasiete Schwarmintelligenz(2013),Springer-Verlag:Springer-Verlag Trier,德国,博士论文 [14] Bonabeau,E。;多里戈,M。;Theraulaz,G.,《Swarm Intelligence:From Natural to Artificial Systems》(1999),牛津大学出版社:牛津大学出版社纽约·Zbl 1003.68123号 [15] Bonabeau,E。;Meyer,C.,《Swarm intelligence:思考商业的全新方式》,Harv。公共汽车。修订版,79、5、106-115(2001) [16] Bouveyron,C。;Brunet-Saumard,C.,《基于模型的高维数据聚类:综述》,《计算》。统计数据分析。,71,52-78(2014)·Zbl 1471.62032号 [17] 布鲁克斯,R.A.,《没有代表性的情报》,阿蒂夫。智力。,47, 1, 139-159 (1991) [18] Buhl,J。;Sumpter,D.J。;库赞,I.D。;Hale,J.J。;Despland,E。;米勒,E。;辛普森,S.J.,《行军蝗虫从无序到有序》,《科学》,31257781402-1406(2006) [19] Chinchor,N.,MUC-4评估指标,(第四届信息理解会议论文集(1992年),计算语言学协会),22-29 [20] Cormack,R.M.,《分类综述》,J.R.Stat.Soc.A,General,321-367(1971) [21] 达斯古普塔,S。;古普塔,A.,约翰逊和林登斯特劳斯定理的初等证明,随机结构。算法,22,1,60-65(2003)·Zbl 1018.51010号 [22] P.Demartines,J.Hérault,CCA:“曲线成分分析”,摘自:Proc。15°《信号与图像的研究报告》,第199卷,GRETSI,法国信号与图像研究小组,1995年9月18日至21日。 [23] 德内堡,J.-L。;戈斯,S。;Franks,N。;Sendova Franks,A.公司。;Detrain,C。;Chrétien,L.,《集体分类类机器人蚂蚁和类蚂蚁机器人的动力学》,(第一届模拟从动物到动物适应性行为国际会议论文集(1991)),356-363 [24] Dijkstra,E.W.,关于与图有关的两个问题的注释,Numer。数学。,1, 1, 269-271 (1959) ·Zbl 0092.16002号 [25] 杜达,R.O。;哈特,体育。;斯托克·D·G,《模式分类》(2001),约翰·威利父子公司:约翰·威立父子公司,美国纽约·Zbl 0968.68140号 [26] 埃伯哈特共和国。;Shi,Y。;Kennedy,J.,Swarm Intelligence,进化计算中的Morgan Kaufmann系列(2001) [27] Erwin,E。;Obermayer,K。;Schulten,K.,《自组织映射:定态、亚稳态和收敛速度》,Biol。赛博。,67,1,35-45(1992年)·Zbl 0747.92005号 [28] 埃斯敏,A.A。;科埃略,R.A。;Matwin,S.,《粒子群优化算法及其变体对高维数据聚类的综述》,Artif。智力。版次:44、1、23-45(2015) [29] 埃斯特,M。;Kriegel,H.-P。;桑德,J。;Xu,X.,在有噪声的大型空间数据库中发现簇的基于密度的算法,(Proc.KDD’96(1996)),226-231 [30] Everitt,B.S。;兰道,S。;Leese,M.(McAllister,L.,聚类分析(2001),Arnold:Arnold London)·Zbl 1205.62076号 [31] 法提安,M。;Amiri,B.,《聚类分析的蜂蜜酿造方法》,国际期刊高级制造技术。,38, 7-8, 809-821 (2008) [32] 费曼,R.P。;雷顿,R.B。;Sands,M.,(Köhler,K.-H.;Schröder,K.-E.;Beckmann,W.B.P.,Mechanik,Strahlung,Wärme,第1卷(2007),奥尔登堡-弗拉格:奥尔登堡弗拉格-慕尼黑,德国) [33] Florek,K。;Łukaszewicz,J。;佩尔卡尔,J。;斯坦豪斯,H。;Zubrzycki,S.,Sur la connection et la division des points d’un ensembly fini,程序。波兰科学院数学研究所数学学术讨论会,第2卷,282-285(1951)·Zbl 0045.26103号 [34] Flury,B。;Riedwyl,H.,《多元统计,实用方法》(1988),查普曼和霍尔:查普曼与霍尔伦敦 [35] Forest,S.,《紧急计算:自然和人工计算网络中的自组织、集体和合作现象》,Physica D,42,1-11(1990) [36] 弗雷利,C。;Raftery,A.E.,基于模型的聚类、判别分析和密度估计,美国统计协会,97,458,611-631(2002)·Zbl 1073.62545号 [37] C.Fraley,A.E.Raftery,MCLUST第3版:正常混合建模和基于模型聚类的R包,DTIC文档,2006年。 [38] 弗朗克·P。;Cameron,E。;好,G。;拉斯普拉斯,J.Y。;Oldroyd,B.,澳大利亚无刺蜜蜂物种复合体中的巢穴结构和遗传分化,Mol.Ecol。,13, 8, 2317-2331 (2004) [39] Garnier,S。;Gautras,J。;Theraulaz,G.,《群体智能的生物学原理》,swarm Intell。,1, 1, 3-31 (2007) [40] 杰曼,S。;Bienenstock,E。;Doursat,R.,《神经网络与偏差/方差困境》,神经计算。,4,1,1-58(1992年) [41] Gigerenzer,G。;布莱顿,H.,《人类启发式:为什么偏执的思维会做出更好的推断》,托普。认知。科学。,1, 1, 107-143 (2009) [42] Giraldo,L.F。;Lozano,F。;Quijano,N.,聚类数据降维的Forage理论,马赫。学习。,82, 1, 71-90 (2011) ·Zbl 1470.68215号 [43] Goldstein,J.,《作为一个构造的涌现:历史和问题》,《涌现》,第1期,第49-72页(1999年) [44] Grassé,P.-P.,La reconstruction du nid et les coordinations interindividuelles chezBellicositermes natalensis et Cubitermes sp.La théorie de La stigmergie:Essai d’interpretation du comportement des termites constructeurs,Insectes Soc.,6,1,41-80(1959) [45] Grosan,C。;亚伯拉罕。;Chis,M.,《数据挖掘中的群体智能》,1-20(2006),Springer·Zbl 1131.68077号 [46] Handl,J。;Knowles,J。;Dorigo,M.,《基于蚂蚁的聚类:关于k-means、平均链路和1d-som相对性能的比较研究》,(混合智能系统的设计与应用(2003)),204-213 [47] Handl,J。;Knowles,J。;Dorigo,M.,基于蚂蚁的聚类和地形测绘,Artif。生活,12,1,35-62(2006) [48] Handl,J。;Knowles,J。;Kell,D.B.,后基因组数据分析中的计算聚类验证,生物信息学,21,15,3201-3212(2005) [49] Hartigan,J.A.,《高密度集群的单一连锁一致性》,美国统计协会,76,374,388-394(1981)·Zbl 0468.62053号 [50] 豪格,H。;Koch,S.W.,半导体光学和电子性质的量子理论,第5卷(2004年),世界科学:新加坡世界科学 [51] 哈文斯,T.C。;西班牙,C.J。;三文鱼,N.G。;Keller,J.M.,《蟑螂感染优化》(Proc.Swarm Intelligence Symposium,2008)。程序。Swarm Intelligence Symposium,2008,SIS 2008(2008),IEEE),1-7 [52] Hennig,C.,有多少种蜜蜂?确定集群数量的案例研究,(数据分析、机器学习和知识发现(2014),Springer),41-49 [53] (Hennig,C.等,《聚类分析手册》(2015),查普曼和霍尔/CRC出版社:查普曼&霍尔/CRC纽约出版社,美国) [54] Herrmann,L.,Swarm-Organized Topographic Mapping(2011),Philipps-Universität Marburg:Philipps-Universitát Marburg Marburg,博士论文 [55] 赫尔曼。;Ultsch,A.,《基于蚂蚁的聚类结构以改进地形测绘》(ant Colony Optimization and Swarm Intelligence,2008),施普林格出版社,379-386 [56] Herrmann,L。;Ultsch,A.,《基于自组织映射解释基于蚂蚁的聚类》(Proc.ESANN(2008),Citeser),215-220 [57] Herrmann,L。;Ultsch,A.,《与紧急SOM相比使用群算法进行聚类》(Proc.国际自组织地图研讨会(2009),Springer),80-88 [58] 辛顿,G.E。;Roweis,S.T.,《随机邻域嵌入》(Proc.Advances in Neural Information Processing Systems,2002),833-840 [59] Hunklinger,S.,Festkörperphysik(2009),Oldenbourg Verlag [60] O.M.贾法尔。;Sivakumar,R.,《基于蚂蚁的聚类算法:一项简要调查》,Int.J.Comput。理论工程,2,5,787(2010) [61] Jain,A.K。;Dubes,R.C.,《聚类数据的算法》(1988年),普伦蒂斯·霍尔学院分部:普伦蒂斯霍尔学院分部恩格尔伍德克利夫斯,美国新泽西州·Zbl 0665.62061号 [62] Janich,P。;Duncker,H.-R.,Emergenz-Lückenbüssergottheit füR Natur-und Geisteswissenschaften(2011),f.Steiner [63] Jennings,N.R。;Sycara,K。;Wooldridge,M.,代理研发路线图,Auton。代理多代理系统。,1, 1, 7-38 (1998) [64] 威廉·约翰逊(William B.Johnson)。;Lindenstrauss,Joram,Lipschitz映射到Hilbert空间的扩展,Contemp。数学。,26, 1, 189-206 (1984) ·Zbl 0539.46017号 [65] Kämpf,D。;Ultsch,A.,《集群的人工生命方法概述》(From Data and Information Analysis to Knowledge Engineering,2006),施普林格出版社,486-493 [66] Karaboga,D.,《基于蜜蜂群的数值优化思想》(2005年),Erciyes大学工程学院计算机工程系,技术报告tr06 [67] 卡拉博加,D。;Akay,B.,《一项调查:模拟蜂群智能的算法》,Artif。智力。版本,31,1-4,61-85(2009) [68] 卡拉博加,D。;Ozturk,C.,《一种新的聚类方法:人工蜂群(ABC)算法》,应用。软计算。,11, 1, 652-657 (2011) [69] 考夫曼,L。;Rousseeuw,P.J.,围绕medoids的分区(程序pam),(在数据中发现群体:聚类分析导论(1990)),68-125·兹比尔1345.62009 [70] 考夫曼,L。;Rousseeuw,P.J.,《在数据中发现群体:聚类分析导论》(2005),John Wiley&Sons Inc.:John Willey&Sons Inc,Hoboken,纽约 [71] Kaur,P。;Rohil,H.,《群智能在数据聚类中的应用:综合评述》,《国际期刊研究进展技术》。,第3、4、85-95页(2015年) [72] Kelso,J.A.S.,《动态模式:大脑和行为的自我组织》(1997年),麻省理工学院出版社:麻萨诸塞州剑桥,英国伦敦 [73] 肯尼迪,J。;Eberhart,R.,粒子群优化,(IEEE神经网络国际会议,第4卷(1995),IEEE服务中心:IEEE Piscataway服务中心),1942-1948 [74] Kim,Jaegwon,《涌现:核心思想和问题》,Synthese,151,3547-559(2006),Springer出版社 [75] J.Kleinberg,聚类的不可能性定理,in:Proc。神经信息处理系统进展,第15卷,麻省理工学院出版社,加拿大不列颠哥伦比亚省温哥华,2003年12月9日至14日,第463-470页。 [76] Kohonen,T.,拓扑正确特征图的自组织形成,Biol。赛博。,43, 1, 59-69 (1982) ·Zbl 0466.9202号 [77] Kringel,D。;盖斯林格,G。;Resch,E。;厄特尔,B.G。;特隆,M.C。;海涅曼,S。;Lötsch,J.,基于新一代测序的人类TRPV1和TRPA1基因型与热刺激敏感性和局部应用辣椒素相关性的机器学习分析,Pain,159,7(2018) [78] 腿,S。;Hutter,M.,《情报定义汇编》,Front。Artif公司。智力。申请。,157, 17 (2007) [79] Li,J.等人。;Xiao,X.,多群和多最佳粒子群优化算法,(Proc.智能控制与自动化,2008。WCICA 2008。第七届世界大会(2008年),IEEE,6281-6286 [80] 林德,Y。;Buzo,A。;Gray,R.,矢量量化器设计算法,IEEE Trans。社区。,28, 1, 84-95 (1980) [81] Lötsch,J。;Ultsch,A.,《利用U矩阵的结构》,(Villmann,T.;Schleif,F.-M.;Kaden,M.;Lange,M.,《自组织地图和学习向量量化进展》,《自组地图和学习矢量量化进展》(Proc.Advances in Self-Organization Maps and Learning Vector Quantization),德国密特威达,2014年7月2-4日(2014),施普林格国际出版公司,249-257 [82] 勒默,E.D。;Faieta,B.,集群蚂蚁种群的多样性和适应,(第三届国际适应行为模拟会议论文集:从动物到动画3(1994),麻省理工学院出版社),501-508 [83] MacQueen,J.,《多元观测分类和分析的一些方法》,(第五届伯克利数理统计与概率研讨会论文集,第1卷(1967)),281-297,美国加利福尼亚州奥克兰·Zbl 0214.46201号 [84] Marinakis,Y。;Marinaki,M。;Matsatsinis,N.,基于蜜蜂交配优化和贪婪随机自适应搜索过程的混合聚类算法,(国际学习与智能优化会议论文集(2007),Springer),138-152 [85] Martens,D。;Baesens,B。;Fawcett,T.,《编辑调查:数据挖掘的群体智能》,马赫出版社。学习。,82, 1, 1-42 (2011) [86] McDonnell,R.,《国际GIS词典》(1995),2016年11月30日,11:10 [87] 梅内德斯,H.D。;Otero,F.E。;Camacho,D.,MACOC:一种基于medoid的ACO聚类算法,(《Swarm Intelligence国际会议论文集》(2014),Springer),122-133 [88] Mirkin,B.G.,《聚类:数据恢复方法》(2005),查普曼和霍尔/CRC:查普曼&霍尔/CRC博卡拉顿,佛罗里达州,美国·兹比尔1083.68099 [89] 新泽西州姆洛特。;托维,C.A。;Hu,D.L.,火蚁自组装成防水筏以抵御洪水,Proc。国家。阿卡德。科学。,108, 19, 7669-7673 (2011) [90] Nash,J.F.,n人博弈中的平衡点,Proc。国家。阿卡德。科学。美国,36,1,48-49(1950)·Zbl 0036.01104号 [91] Nash,J.F.,《非合作游戏》,《数学年鉴》。,286-295 (1951) ·Zbl 0045.08202号 [92] Neumann,L.J。;Morgenstern,O.,《博弈论与经济行为》,第60卷(1953年),普林斯顿大学出版社:美国普林斯顿大学·兹比尔0053.09303 [93] Ng,A.Y。;M.I.乔丹。;Weiss,Y.,《关于光谱聚类:分析和算法》,高级神经信息处理。系统。,2, 849-856 (2002) [94] (Nisan,N.;Roughgarden,T.;Tardos,E.;Vazirani,V.V.,《算法博弈论》(2007),剑桥大学出版社:美国纽约剑桥大学出版社)·Zbl 1130.91005号 [95] Nybo,K。;文纳,J。;Kaski,S.,《作为视觉信息检索方法的自组织地图》(2007年WSOM会议记录,第六届自组织地图国际研讨会(2007年)) [96] 奥马尔,E。;Badr,A。;Hegazy,A.E.-F.,具有聚类分析技术的基于蚂蚁的混合聚类算法,J.Comput。科学。,9,780-793(2013),Citeser [97] 瓦德费尔,S。;Batouche,M.,基于群体的图像聚类的高效蚂蚁算法1,J.Compute。科学。,3, 3, 2-167 (2007), 162 [98] T·奥康纳。;Wong,H.Y.,Emergent properties,(Zalta,E.N.,《斯坦福大学哲学百科全书》(2015),斯坦福大学,Kalifornien,形而上学研究实验室,斯坦福大学) [99] 帕皮内利,R.S。;Lopes,H.S.,《群体智能的新启示:一项调查》,《国际生物科学杂志》。计算。,3, 1, 1-16 (2011) [100] Pasquier,V.,环面上模不变配分函数的格导数,J.Phys。A、 数学。Gen.,20,18,文章L1229 pp.(1987) [101] Passino,K.M.,《蠓群的建模和内聚性分析》,《国际蜂群智能》。第4、4、1-22号决议(2013年) [102] Pham,D。;奥特里,S。;Afify,A。;Mahmuddin,M。;Al-Jabbouli,H.,《使用蜜蜂算法进行数据聚类》(第40届CIRP国际制造系统研讨会论文集(2007)) [103] 拉纳,S。;贾索拉,S。;Kumar,R.,粒子群优化算法及其在数据聚类中的应用综述,人工智能。智力。版本,35,3,211-222(2011) [104] R核心团队,R:统计计算的语言和环境(2020年),R统计计算基金会:R奥地利维也纳统计计算基金 [105] Reynolds,C.W.,《群体、畜群和学校:分布式行为模型》,ACM SIGGRAPH Compute。图表。,21, 4, 25-34 (1987) [106] ⑩ahin,E.,《Swarm机器人:从灵感来源到应用领域》(Proc.Swarm robotics国际研讨会(2004),Springer),10-20 [107] 谢林,T.C.,《隔离模型》,《美国经济》。修订版,59、2、488-493(1969年) [108] Schneirla,T.,《陆军蚂蚁,社会组织研究》(1971年),W.H.Freeman和公司:W.H.Freeman and Company San Francisco,USA [109] Shelokar,P.等人。;贾亚拉曼,V.K。;Kulkarni,B.D.,《聚类的蚁群方法》,Ana。蜂鸣器。《学报》,509,2187-195(2004) [110] 斯蒂芬斯,D.W。;Krebs,J.R.,《觅食理论》(1986),普林斯顿大学出版社:美国新泽西州普林斯顿大学出版 [111] Tan,S.C。;Ting,K.M。;Teng,S.W.,《在不使用蚂蚁的情况下再现基于蚂蚁的聚类结果》,(2006年IEEE进化计算国际会议(2006),IEEE),1760-1767 [112] 西奥多里迪斯,S。;Koutroumbas,K.,模式识别(2009),爱思唯尔:爱思唯尔加拿大 [113] Thrun,M.C.,数据仿生群(1.0版),Marburg.R包,需要CRAN包:Rcpp,RcppArmadillo,deldir,建议:plotrix,geometry,sp,spdep,AdaptGauss,ABCanalysis,parallel(2017),检索自 [114] Thrun,M.C.,(Ultsch,A.;Hüllermier,E.,《通过自我组织和群体智能进行基于投影的聚类》(2018),Springer:Springer Heidelberg),博士论文 [115] Thrun,M.C.,人均国内生产总值的聚类分析,Entrep。公共汽车。经济。修订版(EBER),7,1,217-231(2019) [116] 特隆,M.C。;布鲁尔,L。;Ultsch,A.,《低频溪流硝酸盐浓度的知识发现:水文和生物学贡献》(欧洲数据分析会议(ECDA)公报)。程序。欧洲数据分析会议(ECDA),德国帕德博恩(2018),46-47 [117] 特隆,M.C。;Gehlert,T。;Ultsch,A.,《分析分布的精细结构》,《公共科学图书馆·综合》,第15期,第10期(2020年) [118] 特隆,M.C。;Ultsch,A.,《从降维方法中发现投影的高维结构》,MethodsX,第101093页,(2020年),出版社 [119] 特隆,M.C。;Ultsch,A.,《利用基本聚类问题聚类基准数据集》,《简明数据》,30,C,第105501条,pp.(2020) [120] 特隆,M.C。;Lerch,F。;Lötsch,J。;Ultsch,A.,生物标志物多元数据的可视化和3D打印,(Skala,V.,中欧计算机图形、可视化和计算机视觉国际会议,第24卷)。中欧计算机图形、可视化和计算机视觉国际会议(WSCG),第24卷,Plzen(2016)),7-16 [121] Timm,I.J.,自治软件系统战略管理,TZI Bericht计算技术中心(2006年),不来梅大学:不来梅大学 [122] Toussaint,G.T.,有限平面集的相对邻域图,模式识别。,12, 4, 261-268 (1980) ·Zbl 0437.05050号 [123] 蔡家富。;蔡,C.-W。;吴海川。;Yang,T.,ACODF:用于大型数据库中数据挖掘的新型数据聚类方法,J.Syst。软质。,73, 1, 133-145 (2004) [124] Uber_Pix,《球形鱼群》(2015),567289_1280_1024.jpg,1280x1024,推特 [125] Ultsch,A.,《多变量时间序列的数据挖掘和知识发现与涌现自组织特征图》,(Oja,E.;Kaski,S.,Kohonen maps(1999),Elsevier),33-46 [126] Ultsch,A.,《使用DataBots进行集群》,(《智能系统理论和应用(AISTA)国际会议进展》(2000年),IEEE ACT部分:澳大利亚堪培拉IEEE ACC部分),99-104 [127] Ultsch,A.,人工生命的可视化和分类,(数据分析、分类和相关方法(2000),Springer),229-234·兹比尔1031.68569 [128] Ultsch,A.,《使用SOM进行聚类:U*C》,(第五届自组织地图研讨会论文集,第2卷(2005)),75-82 [129] Ultsch,A.,《自组织特征地图的涌现》(第六届自组织地图研讨会论文集(WSOM 07)(2007),比勒费尔德大学图书馆:德国比勒费尔德比勒费尔大学图书馆),1-7 [130] Ultsch,A。;贝尼什,M。;Lötsch,J.,聚类质量评估的ESOM可视化,(Merényi,E.;Mendenhall,J.M.;O'Driscoll,P.,《自组织地图和学习矢量量化进展:第十一届国际研讨会论文集》(WSOM 2016)。自组织地图和学习矢量量化的进展:第11届国际研讨会论文集(WSOM 2016),美国得克萨斯州休斯顿,2016年1月6-8日(2016年),施普林格国际出版:施普林格国际出版商会,39-48·Zbl 1330.68031号 [131] Ultsch,A。;Herrmann,L.,《减少投影误差的紧急自组织映射架构》(Proc.ESANN(2005)),1-6 [132] Ultsch,A。;Lötsch,J.,《高维数据中的机器学习聚类识别》,J.Biomed。通知。,66,C,95-104(2017) [133] Ultsch,A。;Thrun,M.C.,《平面投影的可信可视化》(Cottrell,M.,第十二届自组织地图和学习向量量化、聚类和数据可视化(WSOM)国际研讨会(2017),IEEE:IEEE Nany,法国),1-5 [134] Van der Merwe,D。;Engelbrecht,A.P.,《使用粒子群优化的数据聚类》(Proc.Evolutionary Computation,2003)。CEC’03。2003年国会,第1卷(2003),IEEE),215-220 [135] Van Rijsbergen,C.,信息检索(1979),巴特沃斯:巴特沃斯伦敦·Zbl 0227.68052号 [136] 文纳,J。;Kaski,S.,基因表达数据集图谱可视化方法的比较,Inf.Vis。,6, 2, 139-154 (2007) [137] 文纳,J。;Peltonen,J。;Nybo,K。;艾多斯,H。;Kaski,S.,《数据可视化中非线性降维的信息检索视角》,J.Mach。学习。第11号决议,第451-490页(2010年)·Zbl 1242.62006年 [138] 王,Z。;太阳,X。;Zhang,D.,基于PSO的分类规则挖掘算法(Proc.International Conference on Intelligent Computing(2007),Springer),377-384 [139] Ward,J.H.,优化目标函数的分层分组,美国统计协会,58,301,236-244(1963) [140] Weyer-Menkhoff,I。;特龙,M.C。;Lötsch,J.,《健康受试者对有害冷刺激的定量感官测试反应的机器学习分析》,《欧洲疼痛杂志》(2018) [141] Wolpert,D.H.,学习算法之间缺乏先验差异,神经计算。,8, 7, 1341-1390 (1996) [142] Wong,K.-C。;彭,C。;李毅。;Chan,T.-M.,Herd聚类:使用集体智能的协同数据聚类方法,Appl。软计算。,23, 61-75 (2014) [143] Yang,X.S.,用于多模态优化的Firefly算法,(Proc.国际随机算法研讨会(2009),Springer),169-178·Zbl 1260.90164号 [144] Yang,X.-S。;He,X.,Bat算法:文献综述和应用,国际生物激励杂志。计算。,5, 3, 141-149 (2013) [145] Zhong,Y.,《高级智能:定义、方法和进展》,Int.J.Adv.Intel。,2, 1, 15-23 (2010) [146] 邹伟(Zou,W.)。;Zhu,Y。;陈,H。;Sui,X.,使用合作人工蜂群算法的聚类方法,离散动态。《国家社会》,2010年(2010年)·Zbl 1201.68112号 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。