26958

الگوريتم _cميانگين فازي با احتمال وزن‌دار

كارشناسي ارشد

رياضي كاربردي گرايش بهينه سازي

1399

1401/4/26

دكتر جواد وحيدي

دكتر جليل رشيدي نيا

رياضي

الگوريتم خوشه بندي c ميانگين فازي ( ) يك الگوريتم مهم با كاربردهاي گسترده‌اي مانند تجزيه و تحليل داده‌هاي بازار خرده فروشي، نظارت شبكه، استخراج كاربرد از وب و پيش‌بيني بازار سهام است. پارامترهاي وزن در الگوريتم بر نتايج خوشه‌بندي تأثير دارند؛ با اين حال، بسياري از الگوريتم هاي مشكل نحوه تنظيم اين پارامترها را حل نكردند؛ بنابراين در اين تحقيق به ارائه يك روش براي محاسبه مقادير پارامترهاي وزن با توجه به نقش آن‌ها در فرآيند خوشه بندي مي‌پردازيم. در اين مطالعه، در طي فرآيند عضويت و نمونه، پارامترهاي جديد تخصيص داده مي‌شوند تا تابع هدف را تغيير دهند كه بر اساس آن معادله لاگرانژ ساخته شده و معادله تكرار شونده عضويت به دست مي‌آيد، همچنين معادله نمونه و مركز نيز محاسبه مي‌شوند. در نهايت، الگوريتمc ميانگين فازي احتمالي وزندار يعني پيشنهاد شده است؛ كه به منظور آزمايش كارايي الگوريتم، آزمايش‌هايي بر روي مجموعه‌ داده‌هاي مختلف براي مقايسه با ، ، انجام شده است. كه نتايج تجربي نشان مي‌دهد كه زمان تكرار الگوريتم در مجموعه داده حدود 25٪ كمتر از و حدود 65٪ كمتر از است. همچنين خطاهاي وضعيت مجدد در مجموعه داده حدود 19٪ كمتر از و حدود 74٪ كمتر از و حدود 10٪ كمتر از است.

1401/06/03

A Weight Possibilistic Fuzzy C-Means Clustering Algorithm

7/17/2023 12:00:00 AM

Fuzzy C-means (FCM) is an important clustering algorithm with broad applications such as retail market data analysis, network monitoring, web usage mining, and stock market prediction. Especially, parameters in FCM have influence on clustering results. However, a lot of FCM algorithm did not solve the problem, that is, how to set parameters. In this study, we present a kind of method for computing parameters values according to role of parameters in the clustering process. New parameters are assigned to membership and typicality so as to modify objective function, on the basis of which Lagrange equation is constructed and iterative equation of membership is acquired, so does the typicality and center equation. At last, a new possibilistic fuzzy C-means based on the weight parameter algorithm (WPFCM) was proposed. In order to test the efficiency of the algorithm, some experiments on different datasets are conducted to compare WPFCM with FCM, possibilistic C-means (PCM), and possibilistic fuzzy C-means (PFCM). Experimental results show that iterative times of WPFCM are less than FCM about 25% and PFCM about 65% on dataset X12. Resubstitution errors of WPFCM are less than FCM about 19% and PCM about 74% and PFCM about 10% on the IRIS dataset.

خوشه بندي , الگوريتمc ميانگين فازي احتمالي وزن‌دار

WPFCM

paria pourdavoud

javad vahidi