Clustering
is the process of dividing data clusters into fragmented clusters so that the
same set of data is similar, but the data of different clusters is different.
The basis of the fuzzy clustering algorithms is the c-means families and the
strongest algorithm is the fuzzy c-means algorithm. However, the fuzzy c-means algorithm
is sensitive to outliers. In this study, on the real data set we examined three
different algorithms -possibilistic c-means algorithm (PCM), fuzzy possibilistic
c-means (FPCM) and possibilistic fuzzy c- means algorithm (PFCM)- which are developed to overcome the
unfavorable side of the FCM algorithm. To compare these algorithms, iteration
numbers and completion times were calculated.
Fuzzy c-means Possibilistic c-means Fuzzy possibilistic c-means Possibilistic fuzzy c- means
Kümeleme, veri kümelerini
parçalanmış kümelere bölme işlemidir, böylece aynı veri kümesi benzerdir,
farklı kümelerin verileri farklıdır. Bulanık kümeleme algoritmalarının temeli
c- ortalamalar aileleridir ve en güçlü algoritma bulanık c- ortalamalar algoritmasıdır.
Bununla birlikte, bulanık c- ortalamalar algoritması aykırı değerlere
duyarlıdır. Bu çalışmada, gerçek veri seti üzerinde, bulanık c- ortalamalar
algoritmasının bu olumsuz etkinin üstesinden gelmek için geliştirilen üç farklı
algoritma – olabilirlikli c-ortalamalar algoritması (PCM), bulanık
olabilirlikli c-ortalamalar (FPCM) ve olabilirlikli bulanık c- ortalamalar
algoritması (PFCM) – incelenmiştir. Bu algoritmaları karşılaştırmak için
yineleme sayıları ve tamamlanma süreleri hesaplanmıştır.
Bulanık c- ortalamalar Olabilirlikli c- ortalamalar Bulanık olabilirlikli c- ortalamalar Olabilirlikli bulanık c- ortalamalar
Primary Language | English |
---|---|
Subjects | Engineering |
Journal Section | Articles |
Authors | |
Publication Date | May 28, 2019 |
Submission Date | June 1, 2018 |
Published in Issue | Year 2019 Volume: 19 Issue: 1 |