بهبود شبکه خود سازمانده کوهونن با هدف خوشه بندی داده های فازی

شبکه خود سازمانده کوهونن یک شبکه عصبی مهم برای خوشه بندی و کاهش بعد می باشد. در صورتیکه داده های ورودی دارای ابهام و عدم قطعیت باشند، شبکه کوهونن نمیتواند عملکرد خوبی داشته باشد. به منظور مقابله با این مشکل، الگوریتمهای متعددی تا کنون پیشنهاد شده است. اغلب آنها فاکتورهای فازی را با شبکه کوهونن ترکیب میکنند. در این الگوریتمها داده های ورودی قطعی میباشند و آنها امکان خوشه بندی فازی را فراهم میسازند. در این مقاله الگوریتم شبکه کوهونن توسعه یافته ای را پیشنهاد داده ایم که داده های فازی را به عنوان ورودی بپذیرد. در این شبکه نرون ها نیز وزنهای فازی دارند. برای محاسبه شباهت از معیارهای مختلف فاصله دو عدد فازی استفاده شده است از جمله فاصلهYang و Hausdorff, Hathway شبکه کوهونن پیشنهادی را میتوان برای کاهش بعد داده های فازی نیز استفاده کرد که در کارهای قبلی به آن توجهی نشده بود

Keywords:

اعداد فازی , شبکه خود سازمانده کوهونن , فاصله فازی