ترکیب خوشه‌بندی سی-مین فازی با پی.اس.اُ بهبود یافته

خوشه‌بندی فازی زمینه پژوهشی مهمی با برنامه‌های کاربردی برای مسائل جهان واقعی شده است. در میان روش‌های خوشه‌بندی فازی، سی-مین فازی یکی از بهترین‌ها از لحاظ سادگی و کارایی بوده است. اگر چه بعضی از ضعف‌ها را به خصوص در گرایش داشتن به گیر افتادن دربهینه محلی داشته است.برای تکل کردن این شورتکامینگ، تعدادی از روش‌های خوشه بندی فازی مبتنی بر بهینه سازی در ادبیات نشان داده شده‌اند.

بعضی از این روش‌ها تنها بر بهینه‌سازی متا هیوریستیک تمرکز دارند، مانند بهینه‌سازی ازدحام ذرات در حالی که بعضی دیگر روش‌ها خوشه بندی متاهیوریستیک را با خوشه بندی افرازی مانند اف.سی.ام ترکیب کردند. در نوشته‌ها نشان داده شده است که روش ترکیبی پی.اس.اُ و اف.سی.ام برای خوشه بندی دقت رهیافت‌ها‌های خوشه بندی افرازی سنتی را افزایش می‌دهد. از طرف دیگر روش‌های خوشه‌بندی مبتنی بر پی.اس.اُ زمان اجرای ضعیفی در مقایسه با تکنیک‌های خوشه‌بندی افرازی دارند. دیگر مشکل با خوشه‌بندی مبتنی بر پی.اس.اُ این است که الگوریتم‌های پی.اس.اُ فعلی نیاز به تعیین یک طیفی از پارامترها قبل از آنکه بتوانند راه حل خوب را پیدا کنند دارند.

ما این دو روش را با هم ترکیب می‌کنیم تا به مزایای هر دو دست پیدا کنیم.

این روش‌ها ارجاع به اف.سی.ام .آی.دی.پی.اس.اُ ترکیب شده با اف.سی.ام با یک ورژن اصلاح شده از الگوریتم بهینه‌سازی ازدحام ذرات توسعه یافته است که پارامترها پی.اس.اُ را در طول اجرا به صورت پویا تنظیم می‌کند، در کمک برای بالانس بهتر میان اکتشاف و استخراج و دور شدن از بهینه محلی به سرعت و به دست آوردن راه حلی بهتر.

تجربه‌ها با استفاده از دو دیتاست سینت

The methods, referred to as FCM–IDPSO and FCM2–IDPSO, combine FCM with a recent version of PSO, the IDPSO, which adjusts PSO parameters dynamically during execution, aiming to provide better balance between exploration and exploitation, avoiding falling into local minima quickly and thereby obtaining better solutions. Experiments using two synthetic data sets and eight real-world data sets are reported and discussed. The experiments considered the proposed methods as well as some recent PSO-based fuzzy clustering methods. The results show that the methods introduced in this paper provide comparable or in many cases better solutions than the other methods considered in the comparison and were much faster than the other state of the art PSO-based methods.

دیدگاه‌تان را بنویسید: