Технологии интеллектуального анализа данных : учебное пособие

166 стерам с различной степенью принадлежности. Данный подход нашел свое воплощение в алгоритме нечеткой кластеризации Fuzzy C-Means. Алгоритм Fuzzy C-Means. Данный алгоритм является обоб- щением предыдущего алгоритма. Его отличие состоит в том, что кластеры теперь являются нечеткими множествами и каждая точка принадлежит различным кластерам с различной степенью принад- лежности. Точка относится к тому или иному кластеру по крите- рию максимума принадлежности данному кластеру. Данный алгоритм имеет преимущества перед алгоритмом k -means, но обладает тем недостатком, что ищет кластеры сфериче- ской формы (рис. 3.18, а ), что подходит далеко не для всех задач и поэтому зачастую неоправданно огрубляет результаты. От данного недостатка свободен алгоритм кластеризации по Гюстафсону–Кесселю, который ищет кластеры в форме эллипсои- дов, что делает его более гибким при решении практических задач (рис. 3.18, б ). Рис. 3.18. Форма кластеров в алгоритме: а – Fuzzy C-Means; б – по Гюстафсону–Кесселю Следует отметить, что приведенные алгоритмы не отличают- ся друг от друга подходом к кластеризации. Это становится оче- видным при сравнении целевых функций, минимизация которых 10 Z –10 10 X 10 –10 –10 Y 10 Z –10 10 X –10 Y –10 –10