استخراج مفاهیم برای نقشه شناختی فازی برپایه الگوریتم خوشه بندیk-means

نقشه شناختی فازی یکی از زیرشاخههای شبکه عصبی محسوب می شود و برای غلبه بر پیچیدگی محیطهای پویا در راستای شناخت و آنالیز سیستم کارایی دارد. خبره ها برای شناخت نقاط ضعف و قوت سازمان، به صورت تجربی میتوانند گزینه هایی را انتخاب و حول آن اجماع کنند و پس از بحث و چانهزنی و رفع نقاط ضد نقیض به مدلی بر پایه حدس و گمان از عملکرد سازمان برسند. این فرآیند را میتوان به کمک نمونههای موجود در داده های سازمان که با مسئله در ارتباط هستند مکانیزه نمود و مفاهیم را به صورت دقیق تر استخراج کرد وبررسی و قضاوت نمونهها را به خبره ها واگذار کرد. از آنجایی که نمونهها از روال طبیعی در گردش کار سازمان به دست می آیند مطمئناً مفاهیم به دست آمده از آن قرین به واقعیت خواهد بود و می تواند نقاط ضعف و قوت سازمان را بیان کند. در این مقاله سعی داریم مفاهیم مورد نیاز در نقشه شناختی را به کمک الگوریتم خوشه بندی R-mean S استخراج نماییم تا با تحلیل خبره بتوان به نتایج مورد نظر دست یافت.

کلیدواژه ها:

نقشه شناختی فازی ، خوشه بندی ، شبکه عصبی