UMĚLÁ INTELIGENCE V AUTOMOTIVE / David et al.

Tento postup umožňuje efektivní a přesnou analýzu shlukování v rámci datových souborů s různými topologickými vlastnostmi. [6.5] Prezentovaný algoritmus Fuzzy Gustafson-Kessel tak představuje významný ná stroj v oblasti shlukování dat s využitím fuzzy logiky. Tento algoritmus je dále aplikován na konkrétní příklad úlohy shlukování značek ocelí s využitím modulu GKclust [6.45], který byl vytvořen jako m-funkce pro systém MATLAB. Výkonné funkce modulu GKclust umožňují rychlou a spolehlivou analýzu dat ve doucí ke spolehlivým a přesným výsledkům. Kromě funkce shlukování obsahuje i další funkcionality umožňující detailní rozbor výsledků a tím poskytuje uživatelům další po hled na získané výsledky a zároveň rozšiřuje poznání v zájmových oblastech – v dáném případě materiálového inženýrství, strojírenství a metalurgie. [6.45] Syntaxe funkce GKclust je

Na obrázku 6.2 jsou příklady grafických výstupů z modulu GKclust - ’.’ označují datové body a ’o’ centra shluků.

Obr. 6.2 Příklady vrstevnicových map elipsoidních shluků [6.38]

6.4 PŘÍKLAD SHLUKOVÉ ANALÝZY Jak již bylo výše naznačeno pro řešení konkrétní aplikace byl využit modul GKclust, představující výkonný nástroj pro shlukování dat, který byl úspěšně využit pro úlohu shlu kování značek ocelí na základě jejich chemického složení. Využití modulu GKclust pro tuto konkrétní úlohu umožnilo přesné a spolehlivé shlukování značek ocelí, což má významný dopad na průmyslové aplikace. Vstupní datová sada obsahovala úplné chemické složení jednotlivých značek. Chemické složení ocelí je důležitým faktorem ovlivňujícím jejich mechanické vlastnosti a chování při zpracování a tedy shluky značek ocelí na výstupu budou mít podobné charakteristiky. Při řešení byl počet shluků postupně stanovován od 3 do 12. Získané vý sledky na obrázcích 6.3 až 6.12 [6.38] jsou prezentovány ve formě vrstevnicových map elipsoidních shluků, které jsou jednou z funkcionalit modulu GKclust a které umožňují uživatelům lépe porozumět prostorové organizaci dat a poskytují efektivní prostředek k vizualizaci a analýze shlukování dat. Tyto vizualizace umožňují lépe identifikovat vzta hy mezi shluky a jejich prostorové uspořádání.

86