Fuzzy Lattice Reasoning (FLR) Neural Computation for Weighted Graph Partitioning

Authors: Vasilis Kaburlasos, Lefteris Moussiades and Athena Vakali

Title: Fuzzy Lattice Reasoning (FLR) Neural Computation for Weighted Graph Partitioning

Appeared in: Neurocomputing, Vol. 72, No. 10-12, pp. 2121-2133, 2009.

Abstract: The fuzzy lattice reasoning (FLR) neural network was introduced lately based on an inclusion measure function. This work presents a novel FLR extension, namely agglomerative similarity measure FLR, or asmFLR for short, for clustering based on a similarity measure function, the latter (function) may also be based on a metric. We demonstrate application in a metric space emerging from a weighted graph towards partitioning it. The asmFLR compares favorably with four alternative graph-clustering algorithms from the literature in a series of computational experiments on artificial data. In addition, our work introduces a novel index for the quality of clustering, which (index) compares favorably with two popular indices from the literature.

Περίληψη: Το fuzzy lattice reasoning (FLR) νευρωνικό δίκτυο προτάθηκε πρόσφατα βάσει μιας συνάρτησης ενός μέτρου διάταξης (inclusion measure). Η παρούσα εργασία παρουσιάζει μια νέα επέκταση του FLR, το ιεραρχικό-συγχωνευτικό (agglomerative) μέτρο ομοιότητας FLR, ή asmFLR για συντομία, για την ομαδοποίηση δεδομένων με βάση μια συνάρτηση ενός μέτρου ομοιότητας, όπου η συνάρτηση αυτή μπορεί να βασίζεται επίσης και σε μια μετρική. Η προτεινόμενη μέθοδος εφαρμόζεται σε ένα μετρικό χώρο που προκύπτει από ένα γράφο με βάρη, ώστε να γίνει η κατάτμησή του σε ομάδες. Η asmFLR συγκρίνεται με τέσσερις εναλλακτικούς αλγορίθμους κατάτμησης γράφων από τη βιβλιογραφία μέσω μια σειράς πειραμάτων σε τεχνητά δεδομένα, και αποδεικνύεται η υπεροχή της. Επιπλέον, εισάγεται ένας νέος δείκτης ποιότητα ομαδοποίησης, ο οποίος (δείκτης) συγκρίνεται με δύο γνωστούς δείκτες από τη βιβλιογραφία, και αποδεικνύεται ότι υπερέχει.

Download paper: ViewPDF
View citations : ViewPDF

Leave a Reply

You must be logged in to post a comment.