May 062014
 

خلاصه درس تدریس یار مبانی محاسبات نرم – دکتر رییسی
خوشه بندی با استفاده از سیستم فازی
هر خوشه یک مرکز دارد که با Mi نشان می دهیم

تفاوت خوشه بندی نرم با خوشه بندی سخت

[image 1 , 2]

fuzzy-clustering-1 fuzzy-clustering-2

داده ای مثل Xi با خوشه ای مثل Ci داریم

در خوشه بندی سخت : اشتراک بین خوشه ها برابر تهی است

fuzzy-clustering-3

الگوریتم خوشه بندی :

معروفترین الگوریتم در حالت کریسپ k-means است
مرحله اول به هر داده یک خوشه را نسبت می دهیم ( به صورت رندوم )

برای هر خوشه با استفاده ار فرمول زیر مرکز را محاسبه می کنیم

fuzzy-clustering-4

میانگین داده ها را به عنوان مرکز خوشه معرفی می کنیم

در k-means از ابتدا باید تعداد خوشه ها مشخص باشد
در C1 داده های مشخصی عضو می شوند و مرکز C1 هم مشخص می
شود

داده های C2 هم مشخص هستند و مرکز C2 هم مشخص می شود

با توجه به مراکز جدید داده ها را مجددا خوشه بندی می کنیم

تا جایی که داده ها در خوشه ها ثابت شوند و دیگر تغییری در خوشه ها
نداشته باشیم

ولی می دانیم که همیشه داده ها ممکن است به یک خوشه تعلق
نداشته باشند و درصدی به خوشه دیگری هم تعلق داشته باشد

که این درجه عضویت مفهوم فازی را تداعی می کند.
FCM : Fuzzy Clustering Method

[img 6]

روی چه چیزی قید بگذاریم ؟

هدف کلی از کلاسترینگ : فاصله بین داده های تا مرکز خوشه مینیمم
باشد ( یعنی norm 2 )

و فاصله بین خوشه های مختلف ماکزیمم باشد

هر چه m در فرمول بزرگتر شود از حالت فازی فاصله می گیریم و
خوشه بندی ها به سمت کریسپ میل می کند

قید داریم که مجموع درجه عضویت ها برای هر داده به خوشه های
مختلف برابر ۱ است

قبل از پردازش خوشه بندی نیاز است که داده های پرت را دریک پیش
پردازش حذف کنیم

روش لاگرانژ :
به تعداد داده ها قیدی داریم که ضریب می خورند بنام لاندا k

.

.

.
کنفرانس انجمن کامپیوتر ایران – فردوسی مشهد را شرکت کنید
http://iccke2014.um.ac.ir/index.php

 Leave a Reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>

(required)

(required)


− 2 = zero

با کلیک روی آگهی زیر مبلغ 400 ریال به حساب من واریز می گردد

با کلیک روی آگهی زیر مبلغ 1000 ریال به حساب من واریز می گردد