ش | ی | د | س | چ | پ | ج |
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 |
الگوریتم خوشهبندی فازی
یک الگوریتم خوشهبندی جهت تقسیم دادهها به خوشههایی بیش از یک خوشه است. در این خوشهبندی هر داده به درجه خاصی از هر خوشه متعلق است و با توجه به درجه تعلق حضور یک داده به یک خوشه مشخص میگردد. خوشهبندی فازی سی-مینز (FCM) توسط جی سی دانز در سال ۱۹۷۳ آماده شدو در سال ۱۹۸۱ ارتقا داده شد.
در الگوریتم خوشهبندی فازی FCM باید تعداد و مراکز خوشهها توسط کاربر در ابتدا مشخص شوند. کیفیت این الگوریتم بشدت به تعداد اولیه خوشهها و مکان اولیه مراکز خوشهها بستگی دارد. هدف از خوشهبندی فازی استخراج مدلهای فازی از دادهها است. کاربردهای متعدد خوشهبندی فازی در تحلیل دادهها و تشخیص الگو و نیز زمینههای پژوهشی موجود در این زمینه از جمله استفاده از آن در حل مسائل مسیریابی، تخصیص و زمانبندی نیاز به مطالعه الگوریتمهای موجود و بهبود و اصلاح آنها را آشکارتر مینماید. در مجموعههای کلاسیک یک عضو از مجموعه مرجع یا عضوی از مجموعه A است یا عضو مجموعه A نیست. مثلا در مجموعه مرجع اعداد حقیقی عدد 2. 5 عضو مجموعه اعداد صحیح نمیباشد حال آنکه عدد 2 عضو این مجموعه است. اما در مجموعه انسانهای جوان و پیر سوالی که مطرح میشود این است که آیا فردی با سن 25 جزء مجموعه جوان است یا پیر. نمیتوان بطور قطع و یقین مرزی برای انسانهای جوان و پیر در نظر گرفت. دلیل آن هم این است که اگر فرضا 35 جوان محسوب شود 36 نیز میتواند جوان باشد و همینطور 37 و 38 و غیره. در واقع در اینجا با مفهوم عدم قطعیت مواجه هستیم. ما خودمان نیز از عدم قطعیت در زندگی روزمره بارها استفاده کردهایم مثلا هوای سرد، آب داغ و غیره. در واقع تمامی مثالهای بالا مثالهایی از مجموعههای فازی میباشند
مراحل الگوریتم خوشهبندی فازی به خوشهبندی کی-میانگین شباهت دارد و به شرح زیر است: