Abstract
Fuzzy clustering is an important problem which is the subject of active research in several real-world applications. Fuzzy c-means (FCM) algorithm is one of the most popular fuzzy clustering techniques because it is efficient, straightforward, and easy to implement. However, FCM is sensitive to initialization and is easily trapped in local optima. Particle swarm optimization (PSO) is a stochastic global optimization tool which is used in many optimization problems. In this paper, a hybrid fuzzy clustering method based on FCM and fuzzy PSO (FPSO) is proposed which make use of the merits of both algorithms. Experimental results show that our proposed method is efficient and can reveal encouraging results
چکیده
خوشه بندی فازی یکی از مسائل مهمی است که موضوع تحقیقاتی فعال در کاربردهای مختلف دنیای واقعی است. الگوریتم Fuzzy c-means (FCM) یکی از محبوب ترین تکنیک های خوشه بندی فازی است زیرا کارآمد و ساده بوده و پیاده سازی آن آسان است. با این حال، FCM حساس به مقدار دهی اولیه است و به راحتی در بهینه محلی به دام می افتد. بهینه سازی اجتماع ذرات(PSO) ابزار بهینه سازی عمومی تصادفی است که در بسیاری از مسائل بهینه سازی استفاده می شود. در این مقاله، یک روش خوشه بندی فازی ترکیبی مبتنی بر FCM وPSO فازی (FPSO) پیشنهاد شده است که استفاده از محاسن هر دو الگوریتم را امکان‌پذیر می سازد. نتایج آزمایشات نشان می دهد که روش پیشنهادی ما کارآمد است و می تواند نتایج دلگرم کننده ای را نمایان سازد.
1-مقدمه
خوشه بندی فرآیند تخصیص اشیاء داده به مجموعه ای از گروه های مجزا که خوشه نامیده می شوند است به طوری که اشیاء در هر خوشه نسبت به دیگر خوشه ها بیشتر به هم شبیه هستند. تکنیک های خوشه بندی در بسیاری از زمینه‌های کاربردی به کار رفته اند از جمله به عنوان تشخیص الگو، داده کاوی، یادگیری ماشین، و غیره. الگوریتم های خوشه بندی می توانند بطور گسترده به عنوان سخت، فازی، Possibilistic, و احتمالاتی طبقه بندی نمود...