Improved Fuzzy Clusteirng
Sung-Suk Kim, Sung-Soo Kim, Jeong-Woong Ryu · Journal of Korean institute of intelligent systems · 2005
본 논문에서는 지능형 시스템의 초기 구조 및 파라미터 최적화에 필요한 개선된 성능의 퍼지 클러스터링 방법을 제안한다. 일반적인 클러스터링의 유용한 특성을 유지하면서 시스템의 구성을 적응적으로 변화시켜 전체 시스템의 학습과 성능을 개선할 수 있도록 하였다. 특히, 클러스터링 과정에서 발생하는 초기 파라미터 결정 문제와 최적화 문제를 동시에 만족하면서 일정한 구조로 수련하는 제안된 방법의 특성을 이용하여 지능형 모델에서 필요로 하는 조건이나 패턴의 구조를 자율적으로 추정하였다. 실험에서는 제안된 클러스터링 방법을 기존의 연구된 알고리즘과 비교하여 제안된 방법의 우수성을 보였다. In this paper, we propose a new fuzzy clustering scheme that optimizes the initial structure and the parameters to improve the performance of a intelligent systems. The proposed method keeps the good properties of clustering, and improves the total systems' performance at the same time, Especially, the proposed algorithm not only keeps robust to change threshold value in the optimization process, but also improves the performance of a system through the process of the self-organizing and the converging intelligent systems in its structure of cluster. In experiments, the superiority of the proposed scheme is presented by comparing its performance with other methods.