Comparison of FCM, PCM, FPCM and PFCM Algorithms in Clustering Methods

Kümeleme Yöntemlerinde BCO, OCO, BOCO ve OBCO Algoritmalarının Karşılaştırılması

Abstract

Clustering is a process of dividing the objects into subgroups so that the same set of data is similar, butthe data of different clusters is different. The basis of the fuzzy clustering algorithms is the C- Meansfamilies and the strongest algorithm is the Fuzzy C-means (FCM) algorithm. In this study; FCM,Possibilistic Fuzzy C-means (PFCM), Fuzzy Possibilistic C-means (FPCM) and Possibilistic C- means (PCM)algorithms are used to classify the several real data sets which are E.coli, wine and seed data sets intodifferent clusters by MATLAB program. Also, the results of PFCM, FPCM, PCM and FCM algorithms arecompared according to the classification accuracy, root mean squared error (RMSE) and mean absoluteerror (MAE). The results show that the PFCM and FPCM algorithms have better performance than FCMand PCM according to criteria for comparing the performances.

Özet

Kümeleme, nesneleri özelliklerine göre kümelere bölme işlemidir, böylece aynı veri kümesi benzerdir, farklı kümelerin verileri farklıdır. Bulanık kümeleme algoritmalarının temeli C- ortalamalar aileleridir ve en güçlü algoritma Bulanık C- ortalamalar (BCO) algoritmasıdır. Bu çalışmada; BCO, Olabilirlikli Bulanık C-ortalamalar (OBCO), Bulanık Olabilirlikli C-ortalamalar (BOCO) ve Olabilirlikli C- ortalamalar (OCO) algoritmaları, E.koli, şarap ve tohum veri setleri olarak ifade edilen birkaç gerçek veri setini farklı kümeler halinde sınıflandırmak için MATLAB programı vasıtasıyla kullanılmıştır. Ayrıca, OBCO, BOCO ve OCO ve BCO algoritmaları sonuçları sınıflandırma doğruluğuna, hata kareler ortalamasının karekökü (HKOK) ve ortalama mutlak hata (OMH) değerlerine göre karşılaştırılmıştır. Deney sonuçları, performans karşılaştırmada kullanılan kriterlere göre OBCO ve BOCO algoritmalarının BCO ve OCO algoritmalarından daha iyi performansa sahip olduğunu göstermektedir.