|
рошо отделимых друг от друга кластеров, то искомый результат кластеризации может быть получен с помощью алгоритма с-средних. Но в практических задачах множества объектов редко являются такими. Достаточно часто множество объектов содержит несколько атипичных (непрототииных) объектов, что может привести к плохим результатам кластеризации из-за сдвига центров кластеров. Для преодоления такого нежелательного свойства четкого алгоритма с -средних обычно применяются FCM-алгоритм на основе НМТ1 и PCM-алгоритм на основе НМТ1, использующие весовые коэффициенты на основе ФП и ФТ для контроля вклада объектов в определение параметров центров кластеров [163, 185]. 3.1.1 Проблема неопределенности фаззификатора в FCM-алгоритме FCM-алгоритм на основе Н М Л дает искомые адекватные результаты кластеризации для множества объектов, которые не достаточно хорошо отделимы, то есть распределения объектов содержат пересекающиеся кластеры. Результаты кластеризации основаны на ФП, использующих относительные расстояния объектов относительно центров кластеров, а для определения расстояния между центром кластера и объектами обычно используется евклидова метрика. При этом объект, расположенный далеко от центра кластера, вносит меньший вклад в процедуру поиска центров кластеров, чем объекты, расположенные близко к центру кластера. На рисунке 3.1 приведен пример двух кластеров, идентичных по структуре и плотности. Объекты, расположенные на одинаковом расстоянии от двух центров кластеров (то есть при относительном расстоянии между объектом и каждым центром кластера, равном 0,5), имеют максимально нечеткие положения принадлежности (вертикальная линия на рисунке 3.1). При реализации РСМ-алгоритма на основе НМТ1 такие объекты будут оказывать меньшее влияние на процедуру уточнения координат центров кластеров, чем объекты, удаленные от этой вертикальной линии: 145 |
подходах итерационные четкие алгоритмы чипа с -средних используются для определения с разбиений, которые представляют множество объектов. Если множество объектов состоит из компактных кластеров и каждый кластер разумно отделим от других, желательный результат кластеризации может быть получен с помощью алгоритма с-средних. Однако в практических задачах множества объектов редко являются такими. Например, достаточно часто в множестве объектов может быть несколько непрототппных объектов. При этом сдвигается расстояние объектов от центра кластера, что может приводить к плохим результатам кластеризации из-за сдвига центров кластеров: Для преодоления такого пежелательного свойства четкого алгоритма ссредних применяется FCM-алгоритм на основе НМТ1 (fuzzy с -means algorithm алгоритм нечетких с -средних), который использует весовые коэффициенты на основе Ф11 для контроля вклада объектов в определение параметров центров кластеров [284, 336]. 5.1.1 Неопределенность фаззификатора в FCM-алгоритме FCM-алгоритм на основе НМТ1 дает желательные результаты кластеризации для множества объектов, которые не достаточно хорошо отделимы, то есть распределения объектов содержат пересекающиеся кластеры. Результаты кластеризации основаны на ФП, которые мспользуют относительные расстояния объектов относительно центров кластеров. Например, объект, расположенный далеко от центра кластера, вносит меньший вклад в процедуру поиска центров кластеров, чем объекты, расположенные близко к центру кластера. При этом для определения расстояния между центром кластера и объектами обычно используется Евклидова метрика. На рисунке 5.1 приведен пример двух кластеров, идентичных по структуре и плотности. Максимально нечеткие положения принадлежности (вертикальная линия) там, где объекты расположены на одинаковом расстоянии от двух центров кластеров, то есть относительное расстояние между объектом и каждым центром кластера равно 0,5. 326 |