In this chapter, we vary the three

In this chapter, we vary the three parameters appearing in the objective function of the classical FCM clustering algorithm, namely the distance function, the fuzziness index and the number of clusters. As far as the distance function is concerned, some non-Euclidian distances like the Chebyshev distance and the Manhattan distance are additionally used. Use of such a distance can influence the clustering depending on the distribution of the data. For example, if some spatial distribution of data has more variation along one particular axis, then the Chebyshev distance can be more useful. Experiments are also undertaken with changing values of the fuzziness index m and the number of clusters c. Both these parameters have potential impacts on the performance of clustering. Increasing the value of fuzziness index leads to more overlapping and increased smoothness of the cluster boundaries. Number of clusters, on the other hand, is often linked with human perception. Thus, study of variation of all three parameters becomes quite important.

Kết quả (Việt) 1:

Trong chương này, chúng tôi thay đổi các tham số ba xuất hiện trong hàm mục tiêu của thuật toán cổ điển kết cụm FCM, cụ thể là hàm khoảng cách, chỉ hơi say và số lượng các cụm. Xa như hàm khoảng cách là có liên quan, một số khoảng cách không Euclidian như khoảng cách Chebyshev và khoảng cách Manhattan được ngoài ra sử dụng. Sử dụng một khoảng cách có thể ảnh hưởng đến cụm tùy thuộc vào sự phân bố của các dữ liệu. Ví dụ, nếu một số phân bố không gian của dữ liệu có nhiều biến thể dọc theo một trục đặc biệt, sau đó khoảng cách Chebyshev có thể hữu dụng hơn. Thí nghiệm còn được tiến hành với việc thay đổi giá trị của m chỉ hơi say và số lượng các cụm c. Các tham số này có khả năng tác động đến hiệu suất của cụm. Gia tăng giá trị của hơi say chỉ số dẫn đến chồng chéo và tăng thêm êm ái ranh giới cụm. Số lượng các cụm, mặt khác, thường là liên kết với nhận thức của con người. Vì vậy, nghiên cứu về các biến thể của tất cả các thông số 3 trở nên khá quan trọng.

Kết quả (Việt) 2:

Trong chương này, chúng tôi thay đổi các thông số ba xuất hiện trong hàm mục tiêu của thuật toán phân nhóm FCM cổ điển, cụ thể là hàm khoảng cách, chỉ số mờ và số cụm. Theo như các chức năng khoảng cách là có liên quan, một số khoảng cách phi Ơclít như khoảng cách Chebyshev và khoảng cách Manhattan được sử dụng bổ sung. Sử dụng một khoảng cách như vậy có thể ảnh hưởng đến các phân nhóm phụ thuộc vào sự phân bố của dữ liệu. Ví dụ, nếu một số phân bố không gian của dữ liệu có biến động nhiều hơn dọc theo một trục đặc biệt, sau đó khoảng cách Chebyshev có thể hữu ích hơn. Các thí nghiệm cũng được thực hiện với sự thay đổi giá trị của m chỉ số mờ và số lượng các cụm c. Cả hai tham số có tác động tiềm tàng về việc thực hiện phân nhóm. Tăng giá trị của chỉ số mờ dẫn đến chồng chéo hơn và tăng độ mịn của các ranh giới cụm. Số cụm, mặt khác, thường được liên kết với nhận thức của con người. Vì vậy, nghiên cứu về các biến thể của cả ba thông số trở nên khá quan trọng.