بترکه چشم حسود    

جستجوی پیشرفته مقالات

     عنوان:

نماد اعتماد الکترونیکی

logo-samandehi

لیست مقالات ترجمه شده

سایر مقالات

امروز
دیروز
هفته جاری
هفته گذشته
ماه جاری
ماه گذشته
بازدید کل
54
646
3976
13030219
29472
38391
13291469

آی‌پی شما: 3.238.136.36
امروز: پنج شنبه، 05 خرداد 1401 شمسی ساعت به وقت گرینویچ: 01:03:55

توجه                           توجه

تمامی مقالات ترجمه شده در قالب فایل ورد (Word)  ارائه می‌شوند.



الگوریتم خوشه بندی C میانگین فازی تعمیم یافته با پارتیشن ...

لینک دانلود فایل خریداری شده، بلافاصله بعد از پرداخت آنلاین فعال می‌شود.

عنوان محصول:
الگوریتم خوشه بندی C میانگین فازی تعمیم یافته با پارتیشن ...



قیمت: 220000 ریال

  دسته‌بندی: مقالات منطق فازی

الگوریتم خوشه بندی C میانگین فازی تعمیم یافته با پارتیشن های فازی بهبود یافته

 

Generalized Fuzzy C-Means Clustering Algorithm With Improved Fuzzy Partitions

Abstract


The fuzziness indexm has important influence on the clustering result of fuzzy clustering algorithms, and it should not be forced to fix at the usual valuem = 2. In view of its distinctive features in applications and its limitation in havingm = 2only, a recent advance of fuzzy clustering called fuzzy c-means clustering with improved fuzzy partitions (IFP-FCM) is extended in this paper, and a generalized algorithm called GIFP-FCM for more effective clustering is proposed. By introducing a novel membership constraint function, a new objective function is constructed, and furthermore, GIFP-FCM clustering is derived. Meanwhile, from the viewpoints of Lp norm distance measure and competitive learning, the robustness and convergence of the proposed algorithm are analyzed. Furthermore, the classical fuzzy c-means algorithm (FCM) and IFP-FCM can be taken as two special cases of the proposed algorithm. Several experimental results including its application to noisy image texture segmentation are presented to demonstrate its average advantage over FCM and IFP-FCM in both clustering and robustness capabilities.

pdfدانلود رایگان مقاله انگلیسی                    1.46 MB

 

چکیده
شاخص فازی m تاثیر عمده ای روی نتیجه خوشه بندی الگوریتم های خوشه بندی فازی دارد و نباید مجبور به تثبیت در مقدار معمول m=2 شود. در نمای مشخصه های متمایزش در کاربردها و محدودیتش در داشتن تنها m=2، پیشرفت اخیر خوشه بندی فازی با نام خوشه بندی C میانگین فازی با پارتیشن های فازی بهبود یافته (IFP-FCM) در این مقاله بسط می یابد و الگوریتم تعمیم یافته با نام GIFP-FCM برای خوشه بندی موثرتر پیشنهاد می شود. با معرفی تابع شرط عضویت جدید، تابع هدف جدیدی ساخته می شود و بعلاوه، خوشه بندی GIFP-FCM بدست می آید. در ضمن، از دیدگاه های ارزیابی فاصله نرم و یادگیری رقابتی، قدرت و همگرایی الگوریتم پیشنهادی مورد آنالیز قرار می گیرند. بعلاوه، الگوریتم C میانگین فازی کلاسیک (FCM) با IFP-FCM می تواند بعنوان دو مورد ویژه از الگوریتم پیشنهادی در نظر گرفته شود. نتایج تجربی متعدد شامل کاربرد آن در بخش بندی بافت تصویر نویزدار برای نمایش مزیت میانگین اش نسبت به FCM و IFP-FCM در هر دو قابلیت خوشه بندی و قدرت ارائه می شوند.


تعداد صفحات مقاله انگلیسی: 14 صفحه
تعداد صفحات مقاله فارسی: 39 صفحه

اضافه کردن نظر