خوشه بندی داده های فازی با به کارگیری الگوریتم FCM بر مبنای یک معیار اندازه فاصله پارامتری
با توجه به اینکه عصر کنونی از حیثی عصر انفجار اطلاعات می باشد لذا خوشه بندی داده ها و اطلاعات موجود امری اجتناب ناپذیر است که باید صورت پذیرد. از آنجایی که در بسیاری از موارد با عدم قطعیت های گسترده ای در داده های موجود مواجه هستیم لذا بهترین راه برای استفاده از تکنیک های خوشه بندی، ترکیب آنها با ریاضیات فازی است. الگوریتم خوشه بندی C میانگین فازی (FCM) متداول ترین روش خوشه بندی فازی است، که تاکنون شکل های مختلفی از آن ارایه شده است. یکی از موثرین عوامل در بهبود عملکرد الگوریتم های خوشه بندی تعیین معیار فاصله و مشابهت کارآمد برای بهره-گیری در آن است. به طور کلی اندازه فاصله بین دو عدد فازی می تواند به صورتی قطعی یا پارامتری بیان شود. در این بین، معیارهای پارامتری انعطاف پذیری بیشتری برای حل مسیله فراهم می سازند. از این رو، در این مقاله ابتدا یک معیار فاصله پارامتری جدید معرفی می شود. در ادامه ضمن بررسی اصول موضوعی اندازه برای معیار پیشنهادی، الگوریتم FCM را بر مبنای آن و به عنوان یک روش خوشه بندی کارا و قوی برای داده های فازی ارایه می دهیم. با توجه به این که معیار بیان شده در این مقاله بر اساس α-برش ها (پارامتر مورد نظر) است، توانایی تصمیم گیری در سطوح مختلف را برای تصمیم گیرنده فراهم می سازد. در پایان دو مثال عددی و یک مثال کاربردی برای نشان دادن کارایی روش پیشنهادی ارایه شده است.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.