การเปรียบเทียบประสิทธิภาพระหว่าง FKCS กับ KNC

Abstract

บทคัดย่อ

บทความนี้นำเสนอการเปรียบเทียบประสิทธิภาพในการแบ่งกลุ่มข้อมูลระหว่างขั้นตอนวิธี Fuzzy Kernel Compactness and Separation (FKCS) กับขั้นตอนวิธี Kernel Noise Clustering (KNC) FKCS และ KNC ถูกพัฒนาโดยอาศียพื้นฐานมาจากขั้นตอนวิธี Fuzzy Compactness and Separation (FCS) และขั้นตอน วิธี Noise Clustering (NC) ตามลำดับ ชุดข้อมูลที่ใช้ในการทดสอบเป็นชุดข้อมูลวงแหวน ในการทดสอบ ประสิทธิภาพในการแบ่งกลุ่มข้อมูลระหว่าง FKCS กับ KNC จะใช้ฟังก์ชันเคอร์นั่ลแบบเการีเซียนและโพลิ โนเนียล พร้อมกันนั้นได้เพิ่มข้อมูลรบกวน เพื่อทดสอบความคงทนต่อการรบกวนของข้อมูลระหว่างขั้นตอนวิธี Fuzzy Kernel C-Mean (FKCM), FKCS และ KNC จากผลการทดลองให้ผลลัพธ์ที่น่าสนใจ กล่าวคือ ในการทดลองกับชุดข้อมูลวงแหวน FKCS จะสามารถใช้ในการแบ่งกลุ่มข้อมูลได้สมบูรณ์กับฟังก์ชันเคอร์นั่ลแบบเการ์เซียนและโพลิโนเนียลในส่วนของชุดข้อมูลที่เพิ่มข้อมูลรบกวน KNC จะให้ความคงทนต่อข้อมูลรบกวนได้ดีกว่า FKCM และ FKCS

คำสำคัญ : ขั้นตอนวิธีการแบ่งกลุ่มข้อมูลแบบฟิสซี่, FCS, FKCS, NC, KNC, ระเบียบวิธีเคอร์นั่ล

Abstract

This paper presented the effectiveness of clustering data – the results from when the Fuzzy Kernel Compactness and Separation (FKCS) were proposed to compare with the performance of the Kernel Noise Clustering (KNC). The FKCS and KNC had largely been developed through basic steps of the Fuzzy Compactness and Separation (FCS) and Noise Clustering (NC) respectively. Ring data sets were used to test the effectiveness of clustering data between the FKCS and the KNC. In doing so, the kernel function – the kernel gaussian function and the kernel polynomial function were used as testors. Along those processes, noise data was added in order to test noise-resistant capacity of Fuzzy Kernel C-Mean (FKCM), FKCS and KNC. The results of the tests provided quite knowledgable understanding that when trying out with the ring datasets, the FKCS with kernel gaussian function and kernel polynomial function could perform effectively clustering data. Moreover, the KNC was even more robust and could work out better with noise data than the FKCM or the FKCS could.

Keywords : Fuzzy Clustering Algorithm, FCS, FKCS, NC, KNC, Kernel Method