شبیه سازی مقاله فازی 2016

در این مقاله، یک الگوریتم جدید و سریع بخش بندی افزایشی فازی که قادر به پیدا کردن پارتیشن فازی بهینه سراسری یا پارتیشن بهینه محلی فازی نزدیک به بهینه سراسری را برای یک مجموعه پیدا کند ارائه شده است. این تاثیر اصلی مقاله می باشد که میتواند نقش مهمی در تحقیقات کاربردی داشته باشد. از آنجا که پارتیشن های k-بهینه فازی با خوشه به شکل موفقیت آمیزی در این الگوریتم تعیین میشوند، این امکان وجود دارد تا شاخص اعتبار مربوط برای هر پارتیشن بدست آمده را محاسبه کنیم. مقدار kmax به شیوه ای تعریف میشود که مقدار تابع هدف پارتیشن بهینه با تعداد kmax خوشه نسبتا بسیار نزدیک با مقدار تابع هدف پارتیش بهینه با (kmax-1) خوشه می باشد. قبل از خوشه بندی، داده نرمال سازی میشود و بعد از چندین شاخص اعتبار سنجی بر روی پارتیشن های حاصل از داده های نرمال اعمال میشود. روابط خیلی ساده بین شاخص های اعتبار استفاده شده بر روی داده های نرمال و داده های اصلی داده میشود. از این رو، الگوریتم پیشنهادی قادر به پیدا کردن پارتیشن های بهینه با مناسب ترین تعداد خوشه می باشد. این الگوریتم بر روی مجموعه داده های متعدد مصنوعی و چندین مجموعه داده واقعی که از مخزن داده UCI گرفته شده اند تست شده است.