Impact of metrics on the effectiveness of Kohonen network clustering
Artykuł w czasopiśmie
MNiSW
5
spoza listy
| Status: | |
| Autorzy: | Wypart Krystian, Łukasik Edyta |
| Dyscypliny: | |
| Aby zobaczyć szczegóły należy się zalogować. | |
| Rok wydania: | 2026 |
| Wersja dokumentu: | Elektroniczna |
| Język: | angielski |
| Wolumen/Tom: | 37 |
| Strony: | 1 - 7 |
| Efekt badań statutowych | NIE |
| Materiał konferencyjny: | NIE |
| Publikacja OA: | TAK |
| Licencja: | |
| Sposób udostępnienia: | Witryna wydawcy |
| Wersja tekstu: | Ostateczna wersja opublikowana |
| Czas opublikowania: | W momencie opublikowania |
| Data opublikowania w OA: | 30 marca 2026 |
| Abstrakty: | angielski | polski |
| The research paper focuses on investigating the impact of different metrics on the clustering process in Kohonen networks, also known as self-organized maps (SOM). The theoretical foundations of Kohonen networks, including their structure and algorithm of operation, are presented. Various metrics, such as Euclidean distance, Manhattan and cosine distance and their potential impact on clustering process are then discussed. Experiments were conducted using the Iris dataset constrained to two dimensions using PCA. | |
| Artykuł koncentruje się na badaniu wpływu różnych metryk na proces klasteryzacji w sieciachKohonena, znanych rów-nież jako samoorganizujące się mapy (SOM). Przedstawiono teoretyczne podstawy sieci Kohonena, w tym ich strukturę i algorytm działania. Następnie omówiono różne metryki, takie jak odległość euklidesowa, Manhattan i kosinus oraz ich potencjalny wpływ na proces klasteryzacji. Przeprowadzone zostały eksperymenty z wykorzystaniem zbioru danych Iris, ograniczonym do dwóch wymiarów za pomocą PCA. |
