Cybernetics And Systems Analysis logo
Editorial Board Announcements Abstracts Authors Contents
Cybernetics And Systems Analysis
International Theoretical Science Journal
UDC 519.8

Method of automatic classification on the basis of fuzzy similarity relation

The IFC-method of fuzzy clustering is proposed to solve the problem of automatic classification. The method is based on new fuzzy logical operators: threshold triangular norms and conorms. This method differs from clustering methods based on fuzzy equivalence relation since it allows developing faster algorithms to generate clusters without distorting data on connections between elements of the studied set. This provides transparent interpretation of the results of research. The results of application of the method to some well-known problems are given. Figs: 2. Tabl.: 2. Refs: 7 titles.

УДК 519.8

Метод автоматичної класифікації на базі нечіткого відношення схожості

Для розв’язування задачі автоматичної класифікації запропоновано IFC-метод нечіткої кластеризації, у якому використовуються нові нечіткі логічні оператори — порогові трикутні норми і конорми. Цей метод відрізняється від методів кластеризації на основі нечіткого відношення еквівалентності тим, що дозволяє розробляти більш швидкі алгоритми побудови кластерів. При цьому не (спотворюються) змінюються дані про зв’язки між елементами множини, що досліджується. Це забезпечує прозорість інтерпретування результатів досліджень. Наведено приклади застосування методу до деяких відомих задач. Іл.: 2. Табл.: 2. Бібліогр.: 7 назв.

УДК 519.8

Метод автоматической классификации на базе нечеткого отношения сходства

Для решения задачи автоматической классификации предлагается IFC-метод нечеткой кластеризации, в котором используются новые нечеткие логические операторы — пороговые треугольные нормы и конормы. Данный метод отличается от методов кластеризации на основе нечеткого отношения эквивалентности тем, что позволяет разрабатывать более быстрые алгоритмы построения кластеров. При этом не искажаются данные о связях между элементами исследуемого множества, что обеспечивает прозрачность интерпретации результатов исследований. Приведены примеры применения метода к некоторым известным задачам. Ил.: 2. Табл.: 2. Библиогр.: 7 назв.

Keywords:

fuzzy cluster, classification, cluster analysis.


FULL TEXT

Author(s):

Гуляницкий Леонид Федорович, доктор техн. наук, заведующий отделом Института кибернетики им. В.М. Глушкова НАН Украины, Киев,
e-mail: lh_dar@hotmail.com

Рясная Ирина Ивановна, научный сотрудник Института кибернетики им.  В.М.  Глушкова НАН Украины, Киев,
e-mail: riasnaia@gmail.com

© 2016 Kibernetika.org. All rights reserved.