چکیده فارسی :

در اين مقاله ، الگوريتم خوشه بندي فازي جديدي براي داده هاي قطعي ارائه گرديده است. در اين الگوريتم ، تابع هدف از الگوريتم مدهايK ي فازي با افزودن اطلاعات بين خوشه اي  به گونه اي تغيير يافته كه هم مي توان پراكندگي ميان خوشه ها را به حداقل رساند و هم جدايي بين خوشه ها را بهبود بخشيد. براي دستيابي به راه حل هاي بهينه محلي از تابع هدف تغيير يافته ، فرمول هاي به روزرساني ماتريس عضويت و نمونه هاي اوليه ي خوشه بندي ، مشتق گيري شده اند .همگرايي اين الگوريتم پيشنهادي تحت چارچوب بهينه سازي اثبات گشته است . كارايي الگوريتم پيشنهادي بر روي چندين مجموعه از داده هاي واقعي UCI مورد مطالعه قرار گرفته است . نتايج تجربي بيانگر آنست كه اين الگوريتم براي مجموعه داده هاي قطعي مؤثر و مناسب مي باشد.

چکیده انگلیسی:

In this paper,we present a new fuzzy clustering algorithm for categorical data.In the algorithm,the objective function of the fuzzy k-modes algorithm is modified by adding the between-cluster information so that we can simultaneously minimize the within-cluster dispersion and enhance the between-cluster separation.For obtaining the local optimal solutions of the modified objective function, the corresponding update formulas of the membership matrix and the cluster prototy pesarestrictly derived.The convergence of the proposed algorithm under the optimization framework is proved.On several real datasets from UCI, the performance of the proposed algorithm is studied.The experimental results illustrate that the algorithm is effective and suitable for categorical datasets.