طبقه بندی داده ها با استفاده از ترکیب خبره ها مبتنی بر الگوریتم خوشه بندی C-Means فازی
Data Classification using Mixture of Experts Based on Fuzzy C-Means Clustering Algorithm
در مقایسه با داده های برچسب دار داده های بدون بر چسب به آسانی قابل دسترسی هستند اما طبقه بندی آنها یک مساله پیچیده است به ویژه وقتی که تعداد دسته ها(کلاسترها) مشخس نیست. در این مقاله روش adaptive fuzzy c-means (FCM)-based mixtures of experts برای حل این مساله (طبقه بندی داده های بدون بر چسب) پیشنهاد شده است. در این مدل هر یک از ME ها شامل دو شبکه خبره و یک شبکه gating می باشند. خبره ها برای مثال شبکه عصبی گاوسی (GNN) و شبکه عصبی سیگمویدی (SNN) انتخاب شده اند. این مدل در دو مرحله ساخته می شود. نخست فضای ورودی با استفاده از الگوریتم دسته بندی FCM به چندین گروه تقسیم می شود. تعداد کلاس ها می تواند به طور توافقی با استفاده از یک cluster validity function مشخص شود. در مرحله بعد مدل پیشنهاد شده با بخش کوچکی از نمونه ها که به مرکز دسته های متناظر نزدیکترند آموزش داده می شود. بررسی های عددی نشان می دهد که برای حل مسایل طبقه بندی بدون ناظر مدل پیشنهاد شده نتایج بهتری در مقایسه با مدل های دیگر دارد.
طبقه بندی داده ها با استفاده از ترکیب خبره ها مبتنی بر الگوریتم خوشه بندی C-Means فازی