Правдоподібна нечітка кластеризація даних на основі еволюційного методу божевільних котів

• Видавець: The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
• Дата: 2021
• Автори: Bodyanskiy, Yevgeniy, Shafronenko, Alina, Pliss, Iryna
• Формат: Стаття
• Мова: Ukrainian
• Опубліковано: The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2021
• Теми: нечітка кластеризація; теорія правдоподібності; еволюційні методи оптимізації; правдоподібна нечітка кластеризація; центроїди-прототипи; котяча зграя; режим трасування; режим пошуку; рівень належності; нечеткая кластеризация; теория правдоподобности; эволюционные методы оптимизации; правдоподобная нечеткая кластеризация; центроиды-прототипы; кошачья стая; режим трассировки; режим поиска; уровень принадлежности; fuzzy clustering; credibility theory; evolutionary methods of optimization; credibilistic fuzzy clustering; centroids-prototypes; cats swarm; tracing mode; seeking mode; membership level
• Онлайн доступ: http://journal.iasa.kpi.ua/article/view/244607

The problem of fuzzy clustering of large datasets that are sent for processing in both batch and online modes, based on a credibilistic approach, is considered. To find the global extremum of the credibilistic fuzzy clustering goal function, the modification of the swarm algorithm of crazy cats swarms was introduced, that combined the advantages of evolutionary algorithms and a global random search. It is shown that different search modes are generated by a unified mathematical procedure, some cases of which are known algorithms for both local and global optimizations. The proposed approach is easy to implement and is characterized by the high speed and reliability in problems of multi-extreme fuzzy clustering.