Нечітка кластеризація масивів даних на основі еволюційного метода оптимізації кошачих зграй
DOI:
https://doi.org/10.30837/bi.2018.2(91).01Ключові слова:
НЕЧІТКА КЛАСТЕРИЗАЦІЯ, БАГАТОЕКСТРЕМАЛЬНА ОПТИМІЗАЦІЯ, ЕВОЛЮЦІЙНИЙ АЛГОРИТМАнотація
Розглянуто задачу нечіткої кластеризації масиву спостережень на основі нечіткого імовірнісного підходу, в основу якого покладено алгоритм нечітких С - середніх, який було переформулювало в задачу безумовної багатоекстремальної оптимізації.
Посилання
Gan G., Ma Ch., Wu J. Data Clustering: Theory, Algorithms and Applications. – Philadelphia, Pennsilvania: SIAM, 2007. – 455p.
Abonyi J., Feil B. Cluster Analysis for Data Mining and System Identification. – Basel: Birkhauser, 2007. – 303p.
Xu R., Wunsch D.C. II. Clustering – Hoboken, N.J.: John Wiley & Sons, Inc., 2009. – 341p.
Bezdek J.C. Pattern Recognition with Fuzzy Objective Function Algorithms. – N.Y.:Plenum Press, 1981. – 272p.
Höppner F., Klawonn F., Kruse R., Runkler T. Fuzzy Clustering Analysis:Methods for Classification, Data Analisys and Image Recognition. – Chichester: John Wiley &Sons, 1999. – 289p.
Bezdek J.C., Keller J., Krishnapuram R., Pal N.R. Fuzzy Models and Algorithms for Pat-tern Recognition and Image Processing. – N.Y.: Springer Science + Business Media, Inc., 2015. – 776p.
Bezdek J.C. A convergence theorem for the fuzzy ISODATA clustering algorithms. – IEEE Trans. Pattern Anal. Mach. Intell. – 1980. – 2. – P. 1-8.
Belacel N., Hansen P., Mladenovic N. Fuzzy J-Means: a new heuristic for fuzzy clus-tering – Pattern Recognition, 2007. – 35. – P. 2193 - 2200.
Растригин Л.А. Статиcтические методы поиска. – Москва: Наука, 1968. – 376 с.
Растригин Л.А., Рипа К.К. Автомати-ческая теория случайного поиска. – Рига: Зинатне, 1973. – 343 с.
Растригин Л.А. Случайный поиск в процессах адаптации. – Рига: Зинатне, 1973. – 132 с.
Kirkpatrick S.C.G., Vecci M. Optimiza-tion by simulated annealing – Science, 1983. – 220. – P. 49-58.
Rutkowski L. . Computational Intelli-gence. Methods and Techniques. – Berlin-Heidelberg: Springer-Verlag, 2008. –514p.
Mumford C. L., Jain L.C. Computation-al Intelligence. – Berlin: Springer-Verlag, 2009. – 729p.
Kroll A. Computational Intelligence. Eine Einführung in Probleme, Methoden und technishe Anwendungen – München: Oldenbourg Verlag, 2013. – 428 S.
Kruse R., Borgelt C., Klawonn F., Moawes C., Steinbrecher M., Held P. Computa-tional Intelligence. A Methodological Introduc-tion. – Berlin: Springer-Verlag, 2013. – 488 p.
Kacprzyk J., Pedrycz W. Springer Handbook of Computational Intelligence. – Berlin Heidelberg: Springer-Verlag, 2015. – 1634p.
R.J. Hathaway, J.C Bezdek. Optimiza-tion of clustering criteria by reformulation. – IEEE Trans. Fuzzy Systems., 1995. – 3. – P.241-245.
Pal N.R., Bezdek J.C.,Hathaway R.J. Sequental competitive learning algorithm. – Neural Networks. – 1996. – 9. – № 5. – P.787-796.
Grosan C., Abraham A., Chis M. Swarm intelligence in Data Mining. – Studies in Computational Intelligence, 2006. – 34. – P. 1-20.
Chu S.-C., Tsai P.-W., Pan J.S. Cat swarm optimization // Lecture Notes in Artifi-cial Intelligence. – 4099. – Berlin, Heidelberg: Springer-Verlag, 2006. – P. 854-858.
Chu S.-C., Tsai P.-W. Computational Intelligence based on the behavior of cats // Int. J. of Innovative Computing, Information, and Control. – 2007. – 3. - №1. – P.163-173.
B. Santosa and M. K. Ningrum, Cat Swarm Optimization for Clustering, Soft Computing and Pattern Recognition, International Conference of (SOCPAR), Malacca, Malaysia, 2009, – P. 54-59.
Liu Y., Wu, Shen Y. Cat swarm optimi-zation clustering (KSACSOC): A cat swarm optimization clustering algorithm. – Sci. Reseach and Essays. – 2012. – 7. №49. – P. 4176-4185.
Бодянский Е.В, Шафроненко А.Ю. Рандомизированная модификация метода оптимизации на основе кошачьих стай // Системи обробки інформації. – 2018. – № 1(152). – С. 142-147.
