تاثیر میزان درصد جهش در الگوریتم ژنتیک بر میزان خطا در خوشه بندی به روش GAFCM

در خوشه بندی کلاسیک هر نمونه ورودی نمی تواند عضو دو خوشه و یا بیشتر باشد و فقط میتواند متعلق به یک خوشه باشد. در حالی که در خوشه بندی فازی یک نمونه می تواند متعلق به بیش از یک خوشه باشد و استفاده گسترده از الگوریتم FCM به خاطر توانایی بالای آن برای جستجوی موضعی و سرعت همگرایی زیاد است . اما این الگوریتم دو مشکل دارد. اول اینکه به نویز و داده های جدا بسیار حساس است . دوم اینکه FCM اساسا نوعی از الگوریتم های تپه نوردی موضعی است واین باعث می شود به مراکز ابتدایی خوشه ها حساس باشد و بسادگی به یک نقطه اکسترمم موضعی همگرا شود.برای حل این مشکل در الگوریتم GAFCM اول الگوریتم ژنتیک جهت بهینه سازی مراکز خوشه بندی ابتدایی استفاده می شود. سپس الگوریتم برای راهنمایی گروه بندی جهت بهبود الگوریتم خوشه بندی FCM بکار می رود. در این مقاله تاثیر میزان درصد جهش در الگوریتم ژنتیک بر میزان خطا در خوشه بندی به روش GAFCM مورد بررسی قرار گرفته است همچنین تاثیر آن در تعداد تکرار مورد نیاز برای رسیدن به جواب بررسی شده است.

Keywords:

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