Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Fuzzy Clustering
Contenido
Clustering Fuzzy de las c-medias
El algoritmo
Parametros del algoritmo
Ejemplos de aplicación
Clustering Algorithms
Clustering Fuzzy de las
c-medias
El algoritmo de clustering
El clustering c-means es un proceso de
optimizacion. Dada la matriz Z, encontrar:
el numero de clusters K,
La matriz de particion U,
la matriz de prototipos V,
k : Multiplicadores de Lagrange
El algoritmo FCM (fuzzy c-means)
Se puede demostrar que, si m>1
El algoritmo
Pasos del algoritmo c-means
Paso 5: verificar
Parametros del
algoritmo
Validacion del numero de clusters
¿Cómo determinar el numero apropiado
de clusters?
2
n c
1
F ik
F 1
k 1 i 1 n c
F=1 es crisp
F=1/c significa que cada observacion tiene
grado de pertenencia igual a 1/c a cada
cluster
Validacion: entropia de la particion
H ln
n c
1
0 H ln c
n k 1 i 1 ik ik
H=0 es crisp
H=ln(c) significa que cada observacion tiene
grado de pertenencia igual a 1/c a cada
cluster
Validacion: exponente de proporcion
max c
c!
j j! ( c j )!
k c ik
P= is crisp
P=0 significa que cada observacion tiene
grado de pertenencia igual a cada cluster
Xie-Beni index (1991)
Minimizar
El Parametro de Fuzificacion m
Influye significativamente en la
fuzificacion de la particion resultante
Norma de Mahalanobis
Diferentes medidas de la distancias
After Babuska
Fuentes
Robert Babuska. Course Fuzzy and Neural
Control, 2001/2002.
Kevin M. Passino, Stephen Yurkovich,
Fuzzy Control. Addison Wesley Longman,
Inc. 1998
Jonathan R. King, New Applications of
Fuzzy Logic. University of East Anglia,
Norwich England. PHD thesis, december
2000