رویکرد جدید برای خوشه بندی فازی بوسیله الگوریتم ژنتیک

الگوریتم خوشه بندی فازی FCM، باید تعداد و مراکز خوشه ها توسط کاربر در ابتدا مشخص شوند. کیفیت این الگوریتم بشدت به تعداد اولیه خوشه ها و مکان اولیه مراکز خوشه ها بستگی دارد. همچنین بیشتر الگوریتم های خوشه بندی تنها به جستجوی محلی فضای نمونه می پردازند. پس احتمال گیر کردن آن، در قله محلی بسیار بالاست. برای حل این مشکلات الگوریتم جدیدی ارائه می دهیم که از ایده خوشه بندی فازی برای مقابله با داده های پرت و نویزدار و داده هایی که فاصله آنها از مرکز چند خوشه یک فاصله است، استفاده می کند. ولی روشهای متداول خوشه بندی فازی از تکنیکهای جستجوی محلی مثل تپه نوردی استفاده می کنند. پس ما از ترکیب الگوریتم ژنتیک و روشهای فازی برای فرار از قله های محلی و یافتن جواب بهینه سراسری استفاده نموده ایم. مدل کدگذاری جدید ما این امکان را می دهد که الگوریتم بصورت خودکار تعداد و محل بهینه مراکز خوشه ها را بیابد. همچنین برای کم کردن پیچیدگی محاسباتی و فضایی الگوریتم از ماتریس فاصله ها و در نظر گرفتن یک شعاع همسایگی برای هر داده در فضای نمونه استفاده شده است.

کلیدواژه ها:

خوشه بندی ، فازی ، الگوریتم ژنتیک ، ماتریس فاصله ها