UMĚLÁ INTELIGENCE V AUTOMOTIVE / David et al.

Metoda Fuzzy K-Means Metoda Fuzzy K-Means je technika v oblasti analýzy shlukování, která kombinuje vlastnosti k-means algoritmu s fuzzy logikou. Tato metoda je užitečná pro kategorizaci dat do shluků, zejména v případech, kde data mají překrývající se charakteristiky a není možné je jednoznačně přiřadit k jednomu shluku. Tento postup umožňuje pružnější přidělování prvků k seskupením než běžný K-Means algoritmus, který provádí pevná přiřazení. Algoritmus provádění této techniky, může být vysvětlen následujícím postupem: [6.24], [6.25], [6.26]: 1. Zvol počet shluků. 2. Náhodně přiřaď hodnotu příslušnosti jednotlivých bodů k jednotlivým shlukům. 3. Opakuj následující výpočty dle vztahů (6.2) až (6.4), dokud změna míry příslušnosti u všech bodů k jednotlivým shlukům není menší než definovaný práh citlivosti,

nebo nejsou splněny ukončovací podmínky a poté skonči. a) Vypočítej středy jednotlivých shluků dle vztahu (6.2).

b) Pro každý bod spočítej pravděpodobnost příslušnosti k určitému shluku.

Minimalizace je založena na kriteriální funkce ve tvaru

kde D je počet datových bodů N počet datových shluků m

exponent pro fuzzy část shluku. Vždy větší než 1.0. Tato volba určuje míru překrytí mezi jednotlivými shluky

x i c j

i-tý datový bod

střed j-tého shluku

μ ij

míra příslušnosti datového bodu v daném shluku. Pro každý bod x i je suma hodnot všech příslušností rovna 1.

82