Direkt zum Inhalt

Lexikon der Mathematik: Fuzzy-Clusteranalyse

Verfahren zur Zuordnung von Objekten einer gebenen Menge Q in unscharfe Cluster \(\tilde{Q}_{k}\).

Dabei wird die gegebene Menge Q = {O1, …, ON} von Objekten Oj so in Fuzzy-Teilmengen \(\tilde{Q}_{1},\ldots,\tilde{Q}_{n}\ \mathrm{mit}\ \tilde{Q}_{k}=\{(O_{j},\mu_{Q_{k}}(O_{j})\vert O_{j} \in Q\}\) zerlegt, daß

  • \(\begin{eqnarray}\displaystyle \underset{k=1}{\overset{n}{\cup }}\text{supp}({\tilde{Q}}_{j})=Q\end{eqnarray}\) und
  • \(\begin{eqnarray}\displaystyle \sum _{k=1}^{n}\mu {Q}_{k}({O}_{j})=1\end{eqnarray}\) für alle Objekte \(O_{j} \in Q\).
Die Normierung dient dazu, die Cluster bezüglich ihrer relativen Mächtigkeit einzuschätzen und den Fall scharfer Cluster einzuschließen. Sie wird üblicherweise in der Literatur gefordert, die Definition läßt jedoch auch eine Clusteranalyse ohne diese Normierung sinnvoll erscheinen.

In der Literatur existieren zahlreiche Verfahren zur Clusterbildung, deren Brauchbarkeit vom gegebenen Kontext abhängt. Eine der bekanntesten Methoden ist das von Bezdek (1981) entwickelte Iterationsverfahren ISODATA-FCM, das hier beispielhaft dargestellt wird:

Voraussetzung ist, daß sich die Objekte Oj durch ihre Merkmalsvektoren \(\mathbf{x}_{j}=(x_{1j},\ldots,x_{mj})^{T}\in \mathbb{R}^{m}\) beschreiben lassen und im ℝm eine Norm ||x-y|| existiert.

Schritt 1

Man wählt die gewünschte Clusteranzahl n, n < N, und einen Exponenten p ∈ [0, +∞).

Dann wählt man eine Ausgangsmatrix U(0) = {ujk} mit \begin{align} & u_{jk}=\mu_{Q_{k}}(O_{j}),\\ & \sum_{k=1}^{n}u_{jk}=1,\\ & 0<\sum_{k=1}^{N}u_{jk}\lt N. \end{align}

Man setze die Iterationsnummer r gleich 0.

Schritt 2

Berechnung der Clusterzentren \(\mathbf{v}^{(r)}_{k}\) gemäß der Formel \begin{equation} \mathbf{v}^{(r)}_{k}=\frac{\sum_{j=1}^{N}\left(u_{jk}^{(r)}\right)^{p}\cdot \mathbf{x}_{j}}{\sum_{j=1}^{N}\left(u_{jk}^{(r)}\right)^{p}}. \end{equation}

Schritt 3

Man berechne U(r+1) gemäß der folgenden Vorschrift: \begin{align} & I_{j}=\{k\in\{1,\ldots,n\}\vert \Vert \mathbf{x}_{j}-\mathbf{v}_{k}^{(r)}\Vert=0\},\\ & C(I_{j})=\{1,\ldots,n\}/I_{j}, \end{align} für alle j = 1,…,N.

Ist Ij = ∅, so setze man \begin{equation} u^{(r+1)}_{jk}=\left[\sum_{s=1}^{n}\left(\frac{\Vert\mathbf{x}_{j}-\mathbf{v}_{k}^{(r)} \Vert}{\Vert\mathbf{x}_{j}-\mathbf{v}_{s}^{(r)} }\right)^{\frac{2}{n-1}}\right]^{-1} \end{equation}Ist Ij ≠ ∅,, so setze man \begin{equation} u_{jk}^{(r+1)}=0\,\,\ \mathrm f\ddot{\mathrm u}\mathrm r\ \mathrm{jedes}\ k\in C(I_{j}) \end{equation} und wähle die übrigen \(u_{jk}^{(r+1)}\) so, daß \begin{equation} \sum_{k\in I_{j}}u_{jk}^{(r+1)}=1. \end{equation}

Schritt 4

Wähle eine zu || · || passende Matrixnorm und ein ϵ > 0.

Falls ||U(r+1)U(r)ϵ, dann beende man das Iterationsverfahren mit U(r+1), andernfalls fahre man mit Schritt 2 fort.

Schreiben Sie uns!

Wenn Sie inhaltliche Anmerkungen zu diesem Artikel haben, können Sie die Redaktion per E-Mail informieren. Wir lesen Ihre Zuschrift, bitten jedoch um Verständnis, dass wir nicht jede beantworten können.

  • Die Autoren
- Prof. Dr. Guido Walz

Partnerinhalte

Bitte erlauben Sie Javascript, um die volle Funktionalität von Spektrum.de zu erhalten.