Resumen

Los conjuntos difusos intuitionísticos (IFSs) proporcionan un marco matemático basado en conjuntos difusos para describir la vaguedad en los datos. Encuentra aplicaciones interesantes y prometedoras en diferentes dominios. Aquí, desarrollamos un algoritmo de means C possibilístico difuso intuitionístico (IFPCM) para agrupar IFSs mediante la hibridación de conceptos de FPCM, IFSs y medidas de distancia. IFPCM resuelve problemas inherentes encontrados con la información sobre los valores de membresía de los objetos en cada grupo al generalizar la membresía y la no membresía con un grado de vacilación. El algoritmo se extiende para agrupar conjuntos difusos intuitionísticos de valores intervalares (IVIFSs) lo que conduce a means C possibilístico difuso intuitionístico de valores intervalares (IVIFPCM). El algoritmo de agrupamiento tiene grados de membresía y no membresía como intervalos. La información sobre los grados de membresía y tipicidad de las muestras a todos los grupos es proporcionada por el al

• Materias:Algoritmo de control Algoritmo de diagnóstico Coeficientes de proximidad Dispositivos submicrónicos Teorema de puntos
• Subjects:Control algorithm Diagnostic algorithm Proximity coefficients Submicron devices Point theorem
• Palabras claves:Conjuntos difusos intuicionistas; Algoritmo; Agrupamiento; Valores de pertenencia; Incertidumbre; Conglomerados
• Keywords:Intuitionistic fuzzy sets; Algorithm; Clustering; Membership values; Uncertainty; Clusters