गुस्टैफसन-केसेल क्लस्टरिंग के लिए बेहतर सहसंयोग अनुमान

यह लेख गुस्टैफसन-केसेल (जीके) क्लस्टरिंग एल्गोरिदम में फजी सहसंयोग मैट्रिक्स की गणना में सुधार के लिए दो तकनीकों को प्रस्तुत करता है। पहली तकनीक उन समस्याओं को हल करती है जो मानक जीके क्लस्टरिंग में तब उत्पन्न होती हैं जब डेटा के नमूनों की संख्या कम होती है या जब एक क्लस्टर में डेटा रेखीय रूप से सहसम्बंधित होते हैं। सुधार को सहसंयोग मैट्रिक्स के अधिकतम और न्यूनतम विशेष मान के बीच के अनुपात को ठीक करके प्राप्त किया जाता है। दूसरी तकनीक तब उपयोगी होती है जब जीके एल्गोरिदम का उपयोग डेटा से टाकागी-सुगेनो फजी मॉडल निकालने में किया जाता है। यह तब अधिकफिटिंग के जोखिम को कम करता है जब प्रशिक्षण नमूनों की संख्या क्लस्टरों की संख्या की तुलना में कम होती है। यह गणना की गई सहसंयोग मैट्रिक्स में एक स्केल की गई एकता मैट्रिक्स जोड़कर प्राप्त किया जाता है। प्रस्तावित तकनीकों के लाभों को प्रदर्शित करने के लिए संख्यात्मक उदाहरण प्रस्तुत किए गए हैं।