Проверяемый текст
Демидова, Лилия Анатольевна. Развитие методов теории нечётких множеств и генетических алгоритмов для задач поддержки принятия решений в условиях неопределённости (Диссертация 2009)
[стр. 167]

ной относительности объектов и получить адекватные результаты кластеризации для множества объектов, содержащего кластеры существенно разной плотности или существенно разного объема.
3.4 Кластеризация с использованием PCM-алгоритма на основе интервальных нечетких множеств второго типа Применение FCM-алгоритма на основе ИНМТ2 не всегда обеспечивает получение адекватных результатов кластеризации из-за наличия ограничения вида (2.1).
Использование модификации FCM-алгоритма на основе ИНМТ2 PCM-алгоритма на основе ИНМТ2 позволяет отказаться от требования выполнения этого условия, а, следовательно, ослабить свойство кластерной относительности и учесть свойство кластерной типичности при вычислении координат центров кластеров [67, 163, 185].
3.4.1 Проблема неопределенности фаззификатора и «ширины зоны» в РСМ-алгоритмс Как и FCM-алгоритм на основе НМТ1, PCM-алгоритм на основе НМТ1 является итерационным алгоритмом, который реализует вычисление функций типичности объектов центрам кластеров.
В PCM-алгоритме на основе НМТ1 функции типичности оценивают «совместимость объекта хс центром кластера Vj» (возможность того, что объект принадлежит кластеру), которая зависит от абсолютного расстояния между центром кластера v .
(у = 1,с) и объектом х( (* = 1,и), а также от выбора фаззификатора m и «ширины зоны» ъ 167
[стр. 359]

чайным образом выбирается точка скрещивания z и выполняется скрещивание.' При выполнении операции мутации выбирается вероятность мутации Rm и генерируется случайное число N т.
Если Rm> N m, то случайным образом выбирается точка мутации г и выполняется мутация.
Тогда генетический алгоритм имеет вид [76, 120, 125].
Г.
Случайным образом создается популяция размером Р.
При этом выполняется проверка условия: /?;, <т 2.
2.
При g < G (G и g максимальное и текущее количество поколений ГА соответственно) реализуется FCM-алгоритм на основе ИНМТ2 с вычислением значения функции соответствия по формуле (5.40) для каждой, хромосомы и создается /?с -Р /2 пар хромосом-родителей.
3.
Выполняются операций скрещивания и мутации-для текущей популяции.
При этомвыполняется проверка условия:' щ <т2..
Для хромосомотпрысков реализуется PGM-алгоритм на основе ИНМТ2 и вычисляются значения.функции соответствия по формуле (5.40).
4.
Создается новая популяция размером.
(Р + /?с -Р)-, дополненная хромосомами-отпрысками в количестве Rc ■Р , затем Rc Р хромосом, с худшими значениями функции соответствия (5.40) отбрасываются.
Если.
g < G , осуществляется переход к шагу 2’.
' 5.
Выбирается лучшая хромосома, которая минимизирует функцию соответствия (5.40).
Для каждого объекта определяется его-принадлежность к кластерам.
Одновременно с популяцией хромосом вида (5.46) существуют'«популяции» значений функции соответствия, координат центров, кластеров.и степеней принадлежности объектов центрам кластеров.
Предлагаемый метод кластеризации позволяет учесть свойство кластерной относительности объектов и получить адекватные результаты кластеризации для множества объектов, содержащего-кластеры существенно разной плотности или существенно разного объема.
359

[стр.,360]

В ПРИЛОЖЕНИИ 5 приведены примеры результатов кластеризации при реализации FCM-алгоритма на основе ИПМТ2 и ГА с использованием в качестве показателя качества кластеризации общего гиперобъема Н и индекса Sph.
5.4 Кластеризации на основе РС М -алгоритм а с использованием нечетких множеств второго типа и генетического алгоритм а Использование FCM-алгоритма не всегда обеспечивает получение адекватных результатов кластеризации ввиду наличия ограничения типа (4.1).
Использование различных модификаций FCM-алгоритма позволяет либо отказаться от требования выполнения этого условия, либо ослабить его влияние на определение координат центров кластеров, а, следовательно, ослабить, свойство кластерной относительности и учесть свойство кластерной типичности при вычислении координат центров кластеров [76].
5.4.1 Неопределенность «ширины зоны» в РСМ-алгоритме PCM-алгоритм на основе НМТ1 является итерационным алгоритмом, который ставит в соответствие объектам функции типичности.
В РСМ-алгоритме на основе НМТ1 ФТ оценивают для объекта «совместимость с прототипом», например, с центром кластера, то есть ФТ представляют степень вклада в возможность принадлежности объекта кластеру.
Размер вклада зависит от выбора фаззнфикатора т и ширины зоны // ,.
PCM-алгоритм на основе I-IMT1 реализует минимизацию целевой функции [285, 371]: J p .
r ) t i f o M У < * i n : •t(l 'Ф .) У (5-47) J l 1=1 7=1 /=1 360

[Back]