Iнтервальна нечітка кластеризація на основі альтернативних критеріїв якості

Досліджується ряд критеріїв якості кластерного аналізу (критерій Квона, Хіе-Бені, індекс розбиття) в їх зв’язку з рівнем нечіткості. Виявлено характер зміни досліджуваних критеріїв залежно від зміни рівня нечіткості. Пропонується метод інтервальної нечіткої кластеризації типу 2 з використанням комбінації трьох критеріїв якості. Cтупені належності об’єктів до кластерів подано у вигляді інтервалів, що дає можливість зберегти повноту інформації про множину їх можливих значень, а також зменшити вплив кожного окремого критерію на невизначеності, що відображаються в результаті. Останнє досягається знаходженням області перетину інтервалів значень рівня нечіткості за кожним із досліджуваних критеріїв. Стійкість розв’язків до наявності аномальних спостережень у досліджуваній сукупності даних забезпечується використанням методу робастної кластеризації РСМ. Проаналізовано ширину інтервалу ступенів належності, отриманих запропонованим методом, у випадку наявності у вихідних даних шумів або аномалій. За допомогою запропонованого підходу розв’язано задачу кластеризації країн світу за показниками людського розвитку.

Рік видання: 
2012
Номер: 
2
УДК: 
621.315
С. 59—66. Іл. 6. Табл. 1. Бібліогр.: 15 назв.
Література: 

1. L.A. Zadeh, “Fuzzy sets as a basis for a theory of possibility”, Fuzzy sets and systems, vol. 100, Sup. 1, pp. 9—34, 1999.
2. J.C. Bezdek, Pattern recognition with fuzzy objective function algorithms. New York: Plenum Press, 1981, 256 pp.
3. Залесская К.М. Анализ устойчивости методов нечеткой кластеризации к выбору их параметров // Искусственный интеллект. — 2010. — № 4. — C. 359—369.
4. Кондратенко Н.Р., Манаєва О.О. Нечітка кластеризація з урахуванням індексу вірогідності в задачах соціального спрямування // Системний аналіз та інформаційні технології: Матер. Міжнар. науково-технічної конф. SAIT 2011. — К.: ННК “ІПСА” НТУУ “КПІ”, 2011. — С. 265.
5. M. Halkidi et al., “On Clustering Validation Techniques”, J. of Intelligent Inform. Syst., 17:2/3, pp. 107—145, 2001.
6. Y. Liu et al, “Understanding of Internal Clustering Validation Measures”, in 2010 IEEE Int. Conf. Data Mining, Sydney, NSW (Australia), 2010, pp. 911—916.
7. M. Ramze Rezaee et al., “A new cluster validity index for the fuzzy c-means”, Pattern Recognitio, Let. 19, pp. 237—246, 1998.
8. F. Kovacs et al., Cluster validity measurement techniques. London, UK: Academic Press, 2004, pp. 388—393.
9. Advances in Fuzzy Clustering and Its Applications, J.V. Oliveira and W. Pedrycz (Eds.). Chichester, UK: John Wiley & Sons Ltd., 2007, 435 pр.
10. Q. Liang and J.M. Mendel, “Interval type-2 fuzzy logic systems: Theory and design”, IEEE Trans. Fuzzy Syst., vol. 8, pp. 535—550, 2000.
11. Кондратенко Н.Р., Чеборака О.В., Куземко С.М. Прогнозування часових послідовностей з використанням різновходових нечітких моделей на основі інтервальних функцій належності // Наукові вісті НТУУ “КПІ”. — 2007. — № 4 — С. 62—68.
12. Бардачев Ю.Н., Кричковский В.В., Маломуж Т.В. Методологическая предпочтительность интервальных Таблиця. Результати кластеризації. Центроїди Показник Кластер 1 Кластер 2 Кластер 3 Кластер 4 Тривалість життя 80,80059 75,51261 59,14754 72,26426 Кількість років освіти 10,86078 9,764072 4,67611 8,832988 ВВП на душу населення 36114,24 23564,78 1788,912 12876,31 66 Наукові вісті НТУУ "КПІ" 2012 / 2 экспертных оценок при принятии решений в условиях неопределенности // Вісник Харк. нац. ун-ту. — 2010. — № 890 — С. 18—28.
13. R. Krishnapuram and J.M. Keller, “A Possibilistic Approach to Clustering”, IEEE Trans. Fuzzy Syst., vol. 1, no. 2, pp. 98—110, 1993.
14. J.C. Bezdek, “Fuzzy Mathematics in Pattern Classification”, in PhD Thesis, Cornell University, Ithaca, New York, 1973.
15. The Real Wealth of Nations: Pathways to Human Development, Human Development Report 2010: 20th Anniversary Edition, UNDP, 2010, 227 pp.

Текст статтіРозмір
2012-2-7.pdf727.2 КБ