Transparent Clustering with Cyclic Probabilistic Causal Models

Результат исследования: Публикации в книгах, отчётах, сборниках, трудах конференцийглава/разделнаучнаярецензирование

Аннотация

In the previous work data clusters where discovered and visualized by causal models, used in cognitive science. Centers of clusters are presented by prototypes of clusters, formed by causal models, in accordance with the prototype theory of concepts, explored in cognitive science. In this work we describe the system of transparent analysis of such clasterization that bring the light to the interconnection between (1) set of objects with there characteristics (2) probabilistic causal relations between objects characteristics (3) causal models—fixpoints of probabilistic causal relations that form prototypes of clusters (4) clusters—set of objects that defined by prototypes. For that purpose we use a novel mathematical apparatus—probabilistic generalization of formal concepts—for discovering causal models via cyclical causal relations (fixpoints of causal relations). This approach is illustrated with a case study.

Язык оригиналаанглийский
Название основной публикацииStudies in Computational Intelligence
РедакторыBoris Kovalerchuk, Kawa Nazemi, Răzvan Andonie, Nuno Datia, Ebad Banissi
ИздательSpringer Science and Business Media Deutschland GmbH
Глава9
Страницы239-253
Число страниц15
Издание1
ISBN (электронное издание)978-3-030-93119-3
ISBN (печатное издание)978-3-030-93118-6
DOI
СостояниеОпубликовано - 2022

Серия публикаций

НазваниеStudies in Computational Intelligence
Том1014
ISSN (печатное издание)1860-949X
ISSN (электронное издание)1860-9503

Предметные области OECD FOS+WOS

  • 1.02 КОМПЬЮТЕРНЫЕ И ИНФОРМАЦИОННЫЕ НАУКИ

ГРНТИ

  • 28 КИБЕРНЕТИКА

Fingerprint

Подробные сведения о темах исследования «Transparent Clustering with Cyclic Probabilistic Causal Models». Вместе они формируют уникальный семантический отпечаток (fingerprint).

Цитировать