현재 위치
Home
Clustering using K-Means and Fuzzy C-Means on Food Productivity
-
- 발행기관
- 보안공학연구지원센터(IJUNESST) 바로가기
-
- 간행물
- International Journal of u- and e- Service, Science and Technology 바로가기
-
- 통권
- Vol.9 No.12 (2016.12)바로가기
-
- 페이지
- pp.291-308
-
- 저자
-
- 언어
- 영어(ENG)
-
- URL
- https://www.earticle.net/Article/A297956
※ 원문제공기관과의 협약기간이 종료되어 열람이 제한될 수 있습니다.
원문정보
초록
- 영어
- This paper provided an overview of analysis and implementation clustering for food productivity. Food productivity is determined by food production. Rice is one of staple food in Indonesia. Rice production is influencing adequacy level of national food production. Rice productivity is very important to accomplishment food affordability. Rice productivity per province in Indonesia must be increased, because large population and high consumption. Rice productivity that fluctuates and tends to decrease, need to clustering to determinant category cluster of productivity. Clustering is using K-Means and Fuzzy C-Means. Method improvement of K-Means is modification Intra Cluster Distance and Inter Cluster Distance. Calculate distance (Inter Cluster Distance and Intra Cluster Distance) to evaluate the clustering results and to compare the efficiency of the clustering algorithms. Method improvement of Fuzzy C-Means is modification algorithm, alternative process and iteration. Data processing is using Excel software. Clustering produce three cluster (C1, C2, C3) is convergence. Measurement cluster based on comparison of membership cluster, consistency, and productivity. Membership cluster, there is point data anomaly (x22, x23, x29, x33). Consistency data on K-Means (C1 = 72.73%, C2 = 93.75%, C3 = 100%). Consistency data on Fuzzy C-Means (C1 = 100%, C2 = 88.33%, C3 = 87.50%). Rice Productivity is Cluster 1 (decrease), Cluster 2 (decrease, except 3 provinces), and Cluster 3 (increase, except 1 province). Majority in rice productivity is 70.59%. Result of clustering showed that majority rice productivity on category cluster is low productivity.
목차
Abstract
1. Introduction
2. Related Work
3. Method Proposed
3.1. Framework
3.2. K-Means
3.3. Method Improvement of K-Means
3.4. Fuzzy C-Means
3.5. Method Improvement of Fuzzy C-Means
4. Result and Discussion
4.1. Dataset
4.2. K-Means
4.3. Fuzzy C-Means
4.4. Comparison
5. Conclusion
References
키워드
Clustering K-Means Fuzzy C-Means Food Rice Productivity저자
간행물 정보
발행기관
-
- 발행기관명
- 보안공학연구지원센터(IJUNESST) [Science & Engineering Research Support Center, Republic of Korea(IJUNESST)]
- 설립연도
- 2006
- 분야
- 공학>컴퓨터학
- 소개
- 1. 보안공학에 대한 각종 조사 및 연구 2. 보안공학에 대한 응용기술 연구 및 발표 3. 보안공학에 관한 각종 학술 발표회 및 전시회 개최 4. 보안공학 기술의 상호 협조 및 정보교환 5. 보안공학에 관한 표준화 사업 및 규격의 제정 6. 보안공학에 관한 산학연 협동의 증진 7. 국제적 학술 교류 및 기술 협력 8. 보안공학에 관한 논문지 발간 9. 기타 본 회 목적 달성에 필요한 사업
간행물
-
- 간행물명
- International Journal of u- and e- Service, Science and Technology
- 간기
- 격월간
- pISSN
- 2005-4246
- 수록기간
- 2008~2016
- 십진분류
- KDC 505 DDC 605
이 권호 내 다른 논문 / International Journal of u- and e- Service, Science and Technology Vol.9 No.12
피인용수 : 0건 (자료제공 : 네이버학술정보)
함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.
출처 : 네이버학술정보
0개의 논문이 장바구니에 담겼습니다.