چکیده فارسی :

در این مقاله ، الگوریتم خوشه بندی فازی جدیدی برای داده های قطعی ارائه گردیده است. در این الگوریتم ، تابع هدف از الگوریتم مدهایK ی فازی با افزودن اطلاعات بین خوشه ای  به گونه ای تغییر یافته كه هم می توان پراكندگی میان خوشه ها را به حداقل رساند و هم جدایی بین خوشه ها را بهبود بخشید. برای دستیابی به راه حل های بهینه محلی از تابع هدف تغییر یافته ، فرمول های به روزرسانی ماتریس عضویت و نمونه های اولیه ی خوشه بندی ، مشتق گیری شده اند .همگرایی این الگوریتم پیشنهادی تحت چارچوب بهینه سازی اثبات گشته است . كارایی الگوریتم پیشنهادی بر روی چندین مجموعه از داده های واقعی UCI مورد مطالعه قرار گرفته است . نتایج تجربی بیانگر آنست كه این الگوریتم برای مجموعه داده های قطعی مؤثر و مناسب می 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.