Interval Type-2 퍼지 접근방법을 이용한 Gradient Based FCM 클러스터링

Abstract

Gradient Based Fuzzy C-Means (GBFCM) 알고리즘은 FCM의 학습시간과 정확성에서 더욱 효율적인 결과를 얻기 위해 제안 되었다. 하지만 이 방법은 초기 클러스터 prototype의 값에 민감하고, 상대적으로 가까이에 위치한 prototype들을 형성하는 패턴들의 경우에는 최종 prototype의 위치가 겹치는 결과가 나올 수있다는 단점이 있다. 또한 고정된fuzziness parameter m=2 값만 사용하여 데이터에 따라 유동적으로 fuzziness parameter 를 적용할수 없는 단점이 있다. 이러한 단점을 극복하기 위해 Intervaltype-2 membership set 의 특징을 이용하여 m값 에 따른 퍼지 지역을 설정, 2개의 m 값을 이용하여 uncertainty 의 줌으로써 클러스터 부피에 맞는 적당한 퍼지 지역을 형성할 수있다. 본 논문에서는 Interval Type-2 퍼지접근 방법을 적용한 GBFCM알고리즘을 적용하였다. 그 결과 본 논문에서 제안하는 알고리즘은 GBFCM보다 나은 성능을 보이며, 특히 상대적으로 가까이에 위치한 클러스터들을 클러스터링 할 때 우수한 성능을 보이고 있다.; The Gradient Based Fuzzy C-means (GBFCM) algorithm is very competitive in terms of speed and stability of convergence for large number of data than FCM. However, it is sensitive to initial cluster prototypes and to patterns that have relatively short distances between the prototypes. In this thesis, we propose an interval type-2 fuzzy approach to gradient based fuzzy C-means (GBFCM) by considering uncertainty in the fuzzifier parameter m in the GBFCM algorithm. The experimental results show that the proposed algorithm is almost the same as GBFCM in processing speed and shows improved clustering results.