Resumen

El Fuzzy C-means (FCM) es un algoritmo de agrupamiento importante con amplias aplicaciones como el análisis de datos del mercado minorista, monitoreo de redes, minería de uso web y predicción del mercado de valores. Especialmente, los parámetros en FCM tienen influencia en los resultados del agrupamiento. Sin embargo, muchos algoritmos de FCM no han resuelto el problema, es decir, cómo establecer los parámetros. En este estudio, presentamos un tipo de método para calcular los valores de los parámetros de acuerdo al papel de los parámetros en el proceso de agrupamiento. Se asignan nuevos parámetros a la pertenencia y tipicidad para modificar la función objetivo, sobre la base de la cual se construye la ecuación de Lagrange y se obtiene la ecuación iterativa de la pertenencia, al igual que la tipicidad y la ecuación del centro. Por último, se propuso un nuevo Fuzzy C-means posibilístico basado en el algoritmo de parámetro de peso (WPFCM). Para probar la eficiencia del al

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Algoritmo de agrupamiento; Parámetros; FCM; Pertenencia; Tipicidad; WPFCM
• Keywords:Clustering algorithm; Parameters; FCM; Membership; Typicality; WPFCM