UMĚLÁ INTELIGENCE V AUTOMOTIVE / David et al.

kům s různými stupni příslušnosti. Tento přístup je založen na principu fuzzy logiky, která reflektuje neurčitost a nejistotu v datech a umožňuje lépe zachytit jejich skutečnou povahu. Tato flexibilita výrazně rozšiřuje možnosti modelování složitých vztahů mezi daty a umožňuje zachytit jejich skryté struktury. Přítomnost objektu ve shluku je zásadním prvkem analýzy shlukování, neboť po skytuje důležité informace o příslušnosti jednotlivých prvků k daným shlukům. Tato pří slušnost je vyjádřena tzv. mírou příslušnosti m ik , která kvantifikuje, do jaké míry daný prvek patří do určitého shluku. Každému prvku je přiřazena hodnota m ik v rozmezí 0 až 1, kde hodnota 1 označuje úplnou příslušnost k shluku a hodnota 0 značí nepříslušnost. Důležitým faktorem v procesu fuzzifikace shlukové konfigurace je zajištění, že součet všech měr příslušnosti daného prvku přes všechny shluky musí být roven 1. Tento proces přiřazování hodnot jednotlivým prvkům umožňuje pružnost v zařazování objek tů do shluků a je označován jako fuzzifikace. Tímto způsobem je možné lépe reprezento vat nejistotu a rozptýlení datových bodů v rámci shlukové analýzy, což výrazně přispívá k vylepšení kvality shlukování. Tato metoda se využívá v analýze dat a strojovém učení, kde není žádoucí pevně vázat každý objekt k jednomu konkrétnímu shluku. Díky fuzzifikaci je možné vyjádřit míru příslušnosti objektu k jednotlivým shlukům pomocí hodnot blízkých nule nebo jedničce, což přesněji zachycuje rozmanitost a složitost datových vzorů [6.19], [6.20]. Základem fuzzy algoritmů je minimalizace účelové funkce C, která je funkcí měr příslušností a vzájemných vzdáleností prvků dle vztahu (6.1), [6.20], [6.22], [6.23]. Tato funkce C je klíčovým prvkem v optimalizačních procesech využívaných při mo delování a analýze fuzzy systémů. Minimalizace účelové funkce C umožňuje nalézt op timální hodnoty příslušností a vzájemných vzdáleností, což následně vede k vytvoření efektivních a přesných fuzzy algoritmů pro řešení různých úloh.

kde m ik je představuje neznámou míru příslušnosti objektu i ve k -tém shluku k, d ij vzdálenost mezi objekty i a j . Mezi nejčastěji užívané metody fuzzy shlukování patří Fuzzy K-Means a fuzzy a Gustavson Kesselův algoritmus, které budou dále popsány podrobněji.

81