دانلود شبیه سازی مقاله الگوریتم خوشه بندی C میانگین فازی کارآمد

الگوریتم خوشه بندی C میانگین فازی

خوشه بندی، فرآیند افراز یا گروه بندی یک مجموعه معین از الگوهای بدون برچسب به تعدادی خوشه می باشد، چنانکه الگوهای مشابه به یک خوشه انتساب داده شوند. دو رویکرد اصلی در خوشه بندی وجود دارد. یکی از روش ها، خوشه بندی کلاسیک (یا خوشه بندی سخت) و دیگری، خوشه بندی فازی است. یکی از مشخصات روش خوشه بندی کلاسیک این است که مرز بین خوشه ها کاملاً تعریف شده است. اما، در بسیاری از موارد حقیقی، مرزهای بین خوشه ها به صورت شفاف قابل تعریف نیستند. تعدادی از الگوها ممکن است به بیش از یک خوشه تعلق داشته باشند. در چنین مواردی، روش خوشه بندی فازی یک روش بهتر و مفیدتر برای دسته بندی این الگوها فراهم می کند. روش های خوشه بندی فازی بسیاری وجود دارد. الگوریتم C-means فازی (FCM)، کاربرد گسترده ای دارد. این الگوریتم براساس مفهوم C-افراز فازی است. الگوریتم FCM و مشتقات آن به صورت بسیار موفقیت آمیز در بسیاری از کاربردها، مانند تشخیص الگو، دسته بندی، داده کاوی و بخش بندی تصویر، استفاده شده اند. همچنین برای تحلیل و مدل سازی داده ها و غیره استفاده گردیده اند. معمولاً، الگوریتم FCM شامل چند مرحله اجرایی می باشد. در مرحله اول، این الگوریتم، C مرکز خوشه اولی را از مجموعه داده اصلی به تصادف انتخاب می کند. سپس در مراحل بعدی، بعد از چند تکرار الگوریتم، نتیجه نهایی به سمت مرکز خوشه واقعی همگرا می شود. بنابراین، انتخاب یک مجموعه از مراکز خوشه اولیه برای یک الگوریتم FCM بسیار مهم است. اما، انتخاب یک مجموعه خوب به تصادف از مراکز خوشه اولیه، دشوار است. اگر یک مجموعه خوب از مراکز خوشه اولیه انتخاب شود، این الگوریتم تکرارهای کمتری برای یافتن مراکز خوشه واقعی، اجرا می کند.

در این پروژه، یک روش نوین برای خوشه بندی کارآمد پیشنهاد دادیم که بهتر از الگوریتم FCM است. با یافتن یک مجموعه خوب از مراکز خوشه اولیه، هزینه محاسبات را کاهش می دهیم و کارایی را بهبود می دهیم.

این شبیه سازی با استفاده از نرم افزار متلب (MATLAB) انجام شده و یک فایل راهنمای شبیه سازی نیز برای آن آماده شده است. در ادامه، تعدادی از نتایج خروجی این شبیه سازی قرار داده شده است: