عارف حمزه پور - کارشناس ارشد علوم کامپیوتر

در خوشه بندی کلاسیک هر نمونه ورودی متعلق به یک و فقط یک خوشه می باشد و نمی تواند عضو دو خوشه و یا بیشتر باشد. در حالی که در خوشه بندی فازی یک نمونه می توان به بیش از یک خوشه باشد FCM به خاطر توانایی بالای آن برای جستجوی موضعی و سرعت همگرایی زیاد آن به طور گسترده بکار می رود. اما این الگوریتم دو مشکل دارد. اول اینک به داده های جدا و نویز حساس است . دوم اینکه FCM اساسا نوعی از الگوریتم های تپه نوردی موضعی است که آن را به مراکز ابتدایی خوشه ها حساس می کند و بسادگی به یک نقطه اکسترمم موضعی همگرا شود. برای حل این مشکل در الگوریتم GAFCM در ابتدا الگوریتم ژنتیک برای بهینه سازی مراکز خوشه بندی ابتدایی بکار برده شده است. سپس الگوریتم برای راهنمایی گروه بندی جهت بهبود الگوریتم خوشه بندی FCM بکار رفته است. که در آن فاصله با توان m ام درجه عضویت عنصر k ام در خوشه i ام وزن دار می شود . در این مقاله تاثیر توان فاصله m در درجه عضویت اعضا در خوشه بندی به روش GAFCM مورد بررسی قرار گرفته است.

خوشه بندی ، الگوریتم ژنتیک ، فازی ، بهینه سازی ، پردازش تصویر