Правдоподібна нечітка кластеризація даних на основі еволюційного методу божевільних котів

Abstract

Розглянуто задачу нечіткої кластеризації великих масивів, що подаються на опрацювання як у пакетному, так і в онлайн режимах на основі правдоподібного підходу. Для відшукання глобального екстремуму цільової функції правдоподібної нечіткої кластеризації введено модифікацію ройового алгоритму зграй божевільних котів, яка об’єднує в собі переваги еволюційних алгоритмів та глобального випадкового пошуку. Показано, що різні режими пошуку породжуються уніфікованою математичною процедурою, окремими випадками якої є відомі алгоритми як локальної, так і глобальної оптимізації. Запропонований підхід є досить простим в обчислювальній реалізації і характеризується високою швидкодією та надійністю у задачах багатоекстремальної нечіткої кластеризації.

Keywords

• нечітка кластеризація
• теорія правдоподібності
• еволюційні методи оптимізації
• правдоподібна нечітка кластеризація
• центроїди-прототипи
• котяча зграя