Neuro-Fuzzy Clustering of Distorted Data Using Cat Swarm Optimization
W dzisiejszych czasach technologie inteligencji obliczeniowej są często i z powodzeniem wykorzystywane do rozwiązywania złożonych problemów, które z reguły nie mają rozwiązania analitycznego. Obecnie technologie te, a w szczególności sztuczne sieci neuronowe (ANN), są szeroko stosowane do rozwiązywania różnych problemów związanych z przetwarzaniem sygnałów, optymalizacją, optymalnym i adaptacyjnym sterowaniem, rozpoznawaniem wzorców, identyfikacją, przewidywaniem szeregów czasowych itp.
Jednocześnie opisane podejścia do odzyskiwania danych są wykonalne tylko w przypadkach, gdy dane początkowe są ustalone a priori, a tablica „obiekt-właściwość” lub szereg czasowy ma stałą liczbę obserwacji, tj. nie zmienia się podczas przetwarzania.
Niniejsza książka poświęcona jest rozwojowi i badaniu metod dynamicznej eksploracji danych, zawierających brakujące i zniekształcone obserwacje. Główną cechą metod eksploracji danych jest ustalenie obecności i charakteru ukrytych wzorców w danych, podczas gdy tradycyjne metody zajmują się głównie parametryczną oceną już ustalonych wzorców.