Проверяемый текст
Демидова, Лилия Анатольевна. Развитие методов теории нечётких множеств и генетических алгоритмов для задач поддержки принятия решений в условиях неопределённости (Диссертация 2009)
[стр. 100]

5.
Выбирается лучшая хромосома, которая минимизирует функцию соответствия по формуле
(2.16).
Искомые степени принадлежности объектов центрам кластеров определяются на основе лучшей хромосомы.
В качестве результирующих
координат центров
нечетких кластеров полагаются координат центров нечетких кластеров, соответствующие лучшей хромосоме и уже вычисленные в ходе реализации комбинированного метода нечеткой кластеризации.
2.5 Алгоритм возможностных с-средних на основе нечетких множеств первого типа Алгоритм нечетких с-средних иа основе НМТ1 не всегда позволяет точно оценить параметры центров кластеров.
Главная проблема заключается в возможностном принуждении, используемом в FCM-алгоритме на основе
Н М Л , который устанавливает, что нечеткие степени принадлежности кластерам для любого объекта в сумме должны давать 1, то есть должны удовлетворять ограничению (2.1).
Нечеткие степени принадлежности, вычисляемые на основе ограничения (2.1), определяют степени разделения, а не степени типичности для объектов.
В связи с этим атипичные объекты (объектышумы), расположенные на одинаковом расстоянии от реальных центров кластеров, могут сильно влиять на оценки координат центров кластеров, и, следовательно, на окончательный результат кластеризации.
Негативное влияние атипичных объектов (объектов-шумов) выражено сильнее при применении алгоритмов четкой кластеризации (например, алгоритма четких с-средних), чем при применении
алгоритма нечетких с-средних, так как в последнем случае нечеткие степени принадлежности объектов-шумов вычисляются для всех кластеров, давая в сумме 1.
Для решения проблемы, связанной с негативным влиянием атипичных объектов, необходимо ослабить ограничение, определяемое уравнением
(2.1), и модифицировать целевую функцию.
Один из подходов, позволяющих снизить
влияние атипичных объектов на резуль100
[стр. 281]

3.
Для повой популяции размером (Р + Rc ■Р), представленной хромосомами, закодированными координатами центров кластеров, выполняется один шаг FCM-алгоритма на основе I-IMT1 с вычислением новых значений ФП (нечетких степеней принадлежности) объектов центрам кластеров в соответствии с формулой (4.6), новых координат центров кластеров в соответствии с формулой (4.7).
Затем реализуется ДПФП объектов центрам кластеров в соответствии с формулой (4.6) и вычисляются значения функции соответствия по формуле (4.36).
4.
Из расширенной популяции размером (2 •Р + Rc ■Р ), полученной путем объединения популяции размером Р предыдущего шага и популяции размером (Р + Rc •Р) текущего шага, удаляются «нежизнеспособные» (Р + Rc -Р) хромосом с максимальными значениями функции соответствия по формуле (4.36).
Если g < G , осуществляется переход к шагу 2.
Если g > G , то работа ГА завершается и осуществляется переход к шагу 5.
5.
Выбирается лучшая хромосома, которая минимизирует функцию соответствия по формуле
(4.36).
Искомые координаты центров нечетких кластеров определяются на основе лучшей хромосомы.
В качестве результирующих
нечетких степеней принадлежности объектов центрам кластеров полагаются степени принадлежности объектов центрам кластеров., соответствующие лучшей хромосоме и уже вычисленные в ходе реализации КМНК.
4.4.3 Комбинирование FCM-алгоритма на основе нечетких множеств первого тина и генетического алгоритма при кодировании хромосом степенями принадлежности объектов центрам кластеров При кодировании хромосом нечеткими степенями принадлежности объектов центрам кластеров комбинирование РСМ-алгоритма и ГА реализуется следующим образом [98, 99, 122].
1.
Выполняется один шаг FCM-алгоритма на основе НМТ1 при формировании хромосом начальной популяции размером Р .


[стр.,282]

2.
При g < G ( С и g -.максимальное и текущее количество поколений FA соответственно) выполняется один шаг FA с реализацией, операций скрещивания и мутации и вычислением значений функции соответствия по формуле (436) для новой популяций,хромосом размером (Р + Rc ■Р) .
3.
Для-новой популяции размером (Р : Rc -Р), представленной хромосомами,.
закодированными нечеткими степенями принадлежности^ объектов центрам кластеров, выполняется, один шаг FCM-алгоритма на основе IIM T1 с вычислением новых координат центров кластеров в соо тветствии с формулой (4.7), новых значений ФП (нечетких степеней принадлежности) объектов центрам кластеров в соответствии с формулой (4:6) и значений функции соответствия по формуле (4.36).
.
4..
Из расширенной популяции размером (2 ■Р + Rc ■Р ) , полученной путем объединения популяции размером Р предыдущего поколения, и популяции размером (Р + Rc ■Р) текущего поколения, удаляются «нежизнеспособные» (Р‘+ Rc ■Р) хромосом с максимальными значениями функции соответствия по формуле (4.36).
Если g < G , осуществляется переход к.шагу 2.
Если g >G , то работа FA завершается и осуществляется переход к шагу 5.
5.
Выбирается лучшая хромосома;.
которая минимизирует функцию соответствия по формуле
(4.36).
Искомые степени принадлежности объектов центрам кластеров определяются^ на основе лучшей хромосомы.
В качестве результирующих координат центров
нечётких кластеров полагаются координат центров нечетких кластеров, соответствующие лучшей.хромосоме и уже вычисленные в ходе реализации КМРТК.
.
4.4.4 Сравнительный анализ эффективности методов; кластеризации при различных способах кодирования хро.мосом КМНК при кодировании хромосом координатами центров кластеров без ДПФП является менее эффективным, чем КМНК при кодировании хро282

[стр.,292]

В ПРИЛОЖЕНИИ 4 рассмотрен пример кластеризации множества объектов при оценке технического состояния зданий и сооружений с использованием КМНК.
Приведены результаты сравнительного анализа эффективности кодирования хромом координатами центров кластеров (без ДПФП и с ДПФП) и степенями принадлежности объектов центрам кластеров.
4.5 Кластеризация объектов с использованием известных модификаций FCM -алгоритма на основе нечетких множеств первого типа Алгоритмы кластеризации типа FGM-алгоритма на основе НМТ1 не всегда точно оценивают параметры прототипов кластеров, например, центров кластеров.
Главная проблема заключается в возможностном принуждении, используемом в FCM-алгоритме на основе
Р1МТ1, который устанавливает, что нечеткие степени принадлежности кластерам'для любого объекта в сумме должны давать 1, то есть должны удовлетворять ограничению,(4.1).
Р1ечеткпе степени принадлежности, вычисляемые исходя из ограничения (4.1), определяют скорее степени разделения, чем степени типичности для.объектов.
Поэтому атипичные объекты (объекты-шумы), расположенные на одинаковом расстоянии от реальных центров кластеров, могут сильно влиять на оценки координат центров кластеров, и, следовательно, на окончательный результат кластеризации.
Негативное влияние атипичных объектов (объектов-шумов) выражено сильнее при применении алгоритмов четкой кластеризации (например, алгоритма четких с-средних), чем при применении
алгоритмов нечеткой кластеризации, так как в последнем случае нечеткие степени принадлежности объектов-шумов вычисляются (и распределяются) для всех кластеров, давая в сумме 1.
Для решения проблемы, связанной с негативным влиянием атипичных объектов, необходимо ослабить ограничение, определяемое уравнением
(4.1), и модифицировать целевую функцию.
Один из подходов, позволяющих снизить
эффекта шума (влияния атипичных 292

[Back]