Проверяемый текст
Демидова, Лилия Анатольевна. Развитие методов теории нечётких множеств и генетических алгоритмов для задач поддержки принятия решений в условиях неопределённости (Диссертация 2009)
[стр. 192]

100 90 80 70 60 50 40 30 20 10 °0 20 40 60 80 100 Рисунок 3.27 Результаты кластеризации множества из 50 объектов для FCM-алгоритма на основе НМТ1 при т -1 0 Центры кластеров: Первый кластер: (44,243620, 44,477169) Второй кластер: (76,987948, 77,028715) Значение нечеткого общего гиперобъема FH = 29,790622 Необходимо отметить, что применение FCM-алгоритма на основе НМТ1 в данном случае не требуется, так как использование четкого алгоритма с -средних уже обеспечило адекватные результаты кластеризации.
Однако, полученные при использовании FCM-алгоритма на основе НМТ1 результаты кластеризации множества из 50 объектов, образующих два кластера идентичной структуры, будет интересно сравнить с результатами кластеризации множества из 75 объектов, образующих два кластера существенно разного объема и существенно разной плотности с использованием этого же алгоритма.
Как видно из рисунков 3.23-3.27, все объекты должным образом разбиваются на два кластера, хотя в каждом случае расположение центров кластеров незначительно изменяется.
Следует отметить, что при т = 10 наблюдается изменение «зеркальности» отображения второго центра кластера относительно первого (при соблюдении «зеркальности» отображения объектов первого кластера во второй кластер).
При поиске оптимального результата кластеризации с использованием FCM-алгоритма на основе НМТ1 при фиксиро—
V 4 V ч р* д а • ...
.
191
[стр. 962]

идентичной структуры, с использованием F C M -алгоритм а на основе НМ Т1 для значений фаззификатора w e {1,1; 2, 3, 5, 10}.
П ри этом результаты с использованием классического четкого алгоритм а с -средних полностью совпали с результатами кластеризации с использованием FC M -алгоритм а на основе НМТ1 при т = 1,1.
К ак и ож идалось, во всех этих случаях ош ибка кластеризации равна нулю .
С ледует отметить, что прим енение FC M -алгоритм а на основе НМТ1 в данном случае не требуется, так как использование четкого алгоритма с-средни х уж е обеспечило адекватны е результаты кластеризации.
Тем не менее, полученны е при использовании FC M -алгоритм а на основе НМТ1 результаты кластеризации м нож ества из 50 объектов, образую щ их два кластера идентичной структуры , будет интересно сравнить с результатам и кластеризации множ ества из 75 объектов, образую щ их два кластера сущ ественно разного объема и сущ ественно разной мощ ности с использованием этого ж е алгоритма.
Рисунок П .5.39 Результаты кластеризации м нож ества из 50 объектов с использованием четкого алгоритм а с -средних Ц ентры кластеров: П ервы й кластер: (44,44, 43,84) Второй кластер: (78,44, 77,84) Значение общ его гиперобъема Н = 29,173818 431

[стр.,965]

Рисунок П.5.44 —Результаты кластеризации м нож ества из 50 объектов для FC M -алгоритм а на основе НМТ1 при т = 10 Ц ентры кластеров: П ервый кластер: (44,243620, 44,477169) Второй кластер: (76,987948, 77,028715) Значение нечеткого общ его гиперобъема FH = 29,790622 К ак видно из рисунков П .5.39-П .5.44, все объекты долж ны м образом разбиваю тся на два кластера, хотя в каждом случае располож ение центров кластеров незначительно изменяется.
О тметим, что при т = 10 наблю дается изменение «зеркальности» отображ ения второго центра кластера относительно первого (при соблю дении «зеркальности» отображ ения объектов первого кластера во второй кластер).
При поиске оптимального результата кластеризации с использованием FC M -алгоритма на основе НМ Т1 при фиксированном
значении т бы л применен Г А, предложенный в п.
4.4.
Для оценки качества кластеризации в качестве показателя качества кластеризации функции соответствия использовался общ ий гиперобъем Н по формуле (5.40) (для четкого алгоритма с-средни х и FC M -алгоритма на основе ИНМ Т2) и нечеткий общ ий гиперобъем FH (4.29) (для FC M алгоритма на основе Н М Т1).
434

[стр.,966]

Н а рисунках П .5.45 и П .5.46-П .5.50 приведены результаты кластеризации множества из 75 объектов, образую щ их два кластера сущ ественно разного объема и сущ ественно разной мощ ности с использованием соответственно четкого алгоритма с;-средних и РС М -алгоритм а н а основе НМ Т1 для значений фаззификатора iиг из множ ества {1,1; 2, 3, 5, 10}.
П ри этом, как показал анализ, во всех случаях ош ибочно относятся ко второму кластеру 3 объекта («объект 50», «объект 64» и «объект 68»), О бъекты первого кластера, ош ибочно отнесенные ко втором у кластеру, обозначены на рисунках квадратны ми синим и маркерами (как и все объекты второго кластера).
Н а рисунке П.5.51 показан результат кластеризации множ ества из 75 объектов, образую щ их.два кластера сущ ественно разного объема и сущ ественно разной мощ ности, с использованием F C M -алгоритм а на основе И ИМ Т2 для оптимальной комбинации значений фаззификаторов т , и т г (иг, =123,566384 и пи = 128,971359), найденной с помощ ью ГА.
В этом случае ош ибочно относится ко втором у кластеру только один объект («объект 64»).
Значение общ его гиперобъем а Н составило 258,809334.
В идеальном случае, если бы координаты центров кластеров были бы равны (44,44) и (78,78), значение общ его гиперобъем а I I составило бы 255,329649.
О тметим, что кластеризация множ ества из 75 объектов, образую щ их два кластера сущ ественно разного объема и сущ ественно разной мощ ности, с использованием FC M -алгоритм а на основе НМ Т1 для значений фаззификаторов т 1 и т 2 по отдельности дает ош ибку более вы сокую кластеризации —3 объекта.
Н а рисунках П .5.52 и П.5.53 приведены результаты кластеризации для FCM -алгоритма на основе НМ Т1 для значений ф аззификаторов т = т х и т = т 2 соответственно.
435

[Back]