Проверяемый текст
Демидова, Лилия Анатольевна. Развитие методов теории нечётких множеств и генетических алгоритмов для задач поддержки принятия решений в условиях неопределённости (Диссертация 2009)
[стр. 204]

оптимальной комбинации значений фаззификаторов тх и т2, обеспечивающей повышение качества кластеризации.
3.
Предложено в качестве функции соответствия ГА для алгоритмов кластеризации на основе ИИМТ2 в случае множества объектов, образованного кластерами гиперэллипсоидной формы, использовать общий гиперобъем Н по формуле (3.20).
Предложено в качестве показателя качества кластеризации, и, соответственно, функции соответствия ГА для методов кластеризации на основе ИНМТ2 в случае, когда множество объектов образовано кластерами гилерсферической формы, использовать индекс Sph в соответствии с формулой (3.22), обеспечивающий получение адекватных результатов кластеризации и характеризующийся невысокой вычислительной сложностью по сравнению с общим гиперобъемом Н по формуле (3.20).
4.
Показано, что в ряде случаев применение FCM-алгоритма на основе
ИНМТ2 не позволяет обеспечить получение адекватных результатов кластеризации ввиду проявления свойства кластерной относительности.
Выполнен анализ, показавший, что использование модификаций FCM-алгоритма на основе
ИНМТ2 РСМ-алгоритма на основе ИНМТ2 с неопределенными значениями «ширины зоны» и РСМ-алгоритма на основе ИНМТ2 с неопределенными значениями фаззификаторов позволяет ослабить недостатки классического FCM-алгоритма на основе ИНМТ2, основанного на учете свойства кластерной относительности, за счет введения в рассмотрение свойства кластерной типичности.
5.
Разработан метод кластеризации с использованием
РСМ-алгоритма на основе ИНМТ2 с неопределенными значениями «ширины зоны»
и
ГА, учитывающий свойство кластерной типичности и позволяющий сократить время поиска оптимальной комбинации параметров РСМ-алгоритма на основе ИНМТ2, обеспечивающей получение адекватных результатов кластеризации.
6.
Разработан метод кластеризации с использованием
РСМ-алгоритма на основе ИНМТ2 с неопределенными значениями
фаззификаторов и
ГА, 203
[стр. 398]

дскс Sph в соответствии с формулой р .
44), обеспечивающий получение адекватных результатов кластеризации и характеризующийся невысокой вычислительной сложностью.
Анализ показал, что индекс Sph обеспечивает поиск такого расположения центров кластеров, при котором кластеры максимально отделимы, то есть центры кластеров максимально удалены друг от друга.
• Предложено в качестве функции соответствия генетических алгоритмов для алгоритмов кластеризации на основе ИНМ Т2 в случае множества объектов, образованного кластерами в форме гиперэллипсоидов, использовать общий гиперобъем Н по формуле (5.40), характеризующийся, однако, более высоко!! вычислительной сложностью.
4.
Исследованы достоинства и недостатки FCM -алгоритма на основе ИНМТ2.
Показано, что в ряде случаев применение FCM-алгоритма на основе
И11МТ2 не позволяет обеспечить получение адекватных результатов кластеризации ввиду проявления свойства кластерной относительности.
Выполнен анализ, показавший, что использование модификаций FCM -алгоритма на основе
ИЫМТ2 —PCM -алгоритма на основе ИНМ Т2 с неопределенными значениями «ширины зоны», РСМ-алгоритма на основе ИНМТ2 с неопределенными значениями фаззификаторов, а также и FCM -PCM -алгоритма на основе ИНМТ2 при неопределенности выбора алгоритма кластеризации позволяет ослабить недостатки классического FCM -алгоритма на основе ИНМ Т2, основанные на свойстве кластерной относительности, за счет введения в рассмотрение свойства кластерной типичности.
5.
Разработан метод кластеризации с использованием РСМ -алгоритма на основе ИНМТ2 с неопределенными значениями
«ширины зоны» и
генетического алгоритма, учитывающий свойство кластерной типичности и позволяющий сократить время поиска оптимальной комбинации параметров РСМалгоритма на основе ИНМТ2, обеспечивающей получение адекватных результатов кластеризации.
Предложено при реализации генетического алгоритма реализовать поиск не только оптимальной комбинации значений «ширины зоны», но и оптимального значения фаззификатора.
Показано, что раз399

[стр.,399]

работанный метод кластеризации позволяет уменьшить влияние атипичных объектов при определении координат центров кластеров.
Предложена модификация генетического алгоритма для случая, когда есть какие-либо обоснованные соображения по выбору значения фаззификатора т .
6.
Разработан метод кластеризации с использованием РСМ-алгоритма на основе ИНМТ2 с неопределенными значениями фаззификаторов
и
генетического алгоритма, учитывающий свойство кластерной типичности и позволяющий сократит!, время поиска оптимальной комбинации параметров РСМалгоритма на основе ИНМТ2, обеспечивающей получение адекватных результатов кластеризации.
Предложено при реализации генетического алгоритма реализовать поиск не только оптимальной комбинации значений фаззификаторов, но и оптимальных значений «ширины зоны».
Показано, что предлагаемый метод кластеризации позволяет уменьшить влияние атипичных объектов при определении координат центров кластеров.
7.
Разработан метод кластеризации с использованием РСМ-алгоритма на основе ИНМТ2 со значениями фаззификаторов, определенными с помощью FCM-алгоритма на основе ИРТМТ2, и генетического алгоритма, и позволяющий сократить время поиска оптимальной комбинации параметров РСМалгоритма на основе Ш-1МТ2, обеспечивающей получение адекватных результатов кластеризации.
Предложено при реализации генетического алгоритма реализовать поиск оптимальных значений «ширины зоны» при фиксированных значениях фаззификаторов т[ и т2, определенных с помощью FCM-алгоритма на основе ИНМТ2.
При этом инициализация РСМ-алгоритма на основе ИНМТ2 выполняется с использованием координат центров кластеров, вычислен! 1ых с помощью РСМ-алгоритма на основе ИНМТ2.
Показано, что использование данного метода позволяет уменьшить влияние атипичных объектов при определении координат центров кластеров и улучшить результаты кластеризации, полученные с помощью FCM-алгоритма па основе ИНТМ2.
400

[стр.,400]

8.
Разработан метод кластеризации с использованием
FCM-PCMалгорнтма на основе ИНМТ2 при неопределенности выбора алгоритма кластеризации и генетического алгоритма, учитывающий одновременно свойства кластерной относительности и кластерной типичности и позволяющий сократить время поиска оптимальной комбинации параметров РСМ-алгоритма на основе ИНМТ2, обеспечивающей получение адекватных результатов кластеризации.
Предложено при реализации генетического алгоритма реализовать поиск оптимального значения фаззифнкатора и оптимального значения «ширины зоны».
Показано, что разработанный алгоритм позволяет уменьшить влияние атипичных объектов при определении координат центров кластеров.
9.
Разработан двухуровневый генетический алгоритм поиска оптимальной комбинации значений фаззификаторов тх и т2 в FCM-алгоритме на основе ИНМТ2, обеспечивающий поиск «оптимального» расположения центров кластеров.
10.Разработан двухуровневый генетический алгоритм поиска оптимальной комбинации параметров РСМ-алгоритма на основе ИНМТ2 с неопределенными значениями «ширины зоны», обеспечивающий поиск «оптимального» расположения центров кластеров.
11.Разработан двухуровневый генетический алгоритм поиска оптимальной комбинации параметров РСМ-алгоритма на основе ИНМТ2 с неопределенными значениями фаззификаторов, обеспечивающий поиск «оптимального» расположения центров кластеров.
12.Разработатг двухуровневый генетический алгоритм поиска оптимальной комбинации параметров FCM-PCM-алгоритма на основе ИНМТ2 при неопределенности выбора алгоритма кластеризации, обеспечивающий поиск «оптимального» расположения цен тров.
401 II

[Back]