Resumen

Fuzzy c-means (FCM) es uno de los métodos de clustering más conocidos para organizar la amplia variedad de conjuntos de datos de forma automática y adquirir una clasificación precisa, pero tiene una tendencia a caer en mínimos locales. Para superar estas debilidades, se han propuesto en la literatura algunos métodos que hibridan PSO y FCM para el clustering, y se ha demostrado que estos métodos híbridos tienen una precisión mejorada con respecto a los enfoques tradicionales de clustering por partición, mientras que los métodos de clustering basados en PSO tienen un tiempo de ejecución pobre en comparación con las técnicas de clustering por partición, y los algoritmos PSO actuales requieren afinar una serie de parámetros antes de que sean capaces de encontrar buenas soluciones. Por lo tanto, este artículo introduce un método híbrido para el clustering difuso, denominado FCM-ELPSO, que tiene como objetivo solucionar estas deficiencias. Combina FCM con una versión mejorada de PSO, llamada ELPSO, que adopta una nueva estrategia mejorada de pesos logarítmicos de inercia para proporcionar un mejor equilibrio entre exploración y explotación. Este nuevo método híbrido utiliza el índice PBM(F) y el valor de la función objetivo como índices de validez de los clusters para evaluar el efecto de la agrupación. Para verificar la eficacia del algoritmo, se realizan dos tipos de experimentos, incluyendo la agrupación PSO y la agrupación híbrida. Los experimentos muestran que el enfoque propuesto mejora significativamente la velocidad de convergencia y el efecto de agrupación.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:métodos híbridos, versión de pso, inercia logarítmica mejorada, nuevos métodos híbridos, índice de validez de los clusters, rango de parámetros, tiempo de ejecución pobre, métodos de clustering basados, variedad de conjuntos de datos, estrategia de pesos de inercia
• Keywords:hybrid methods, version of pso, enhanced logarithmic inertia, new hybrid methods, cluster validity index, range of parameters, poor execution time, based clustering methods, variety of datasets, inertia weight strategy