Optimasi Algoritma Fuzzy Clustering dengan Menggunakan Algoritma Forest Optimization
Abstrak
Fuzzy C-Means (FCM) adalah salah satu teknik clustering yang sering digunakan, tetapi memiliki kelemahan yaitu sensitif terhadap local optima dan sensitif terhadap pusat cluster awal. Forest Optimization Algortihm mampu mengatasi kelemahan dari FCM. FOFCM dibangun dengan 2 jenis jarak yaitu Euclidean dan Mahalanobis. FOFCM memiliki performa yang lebih baik dari FCM, karena sebagian besar iterasi FOFCM lebih sedikit dari FCM. FOFCM Mahalanobis menghasilkan nilai fungsi objektif paling kecil pada sebaran data hyperspherical dibandingkan dengan FOFCM Euclidean maupun FCM. Oleh karena itu, dapat disimpulkan bahwa FOFCM Mahalanobis cocok untuk data hyperspherical.
Referensi
A. José-GarcÃÂa and W. Gómez-Flores, “Automatic clustering using nature-inspired metaheuristics: A survey,†Appl. Soft Comput. J., vol. 41, pp. 192–213, 2016.
D. Biswas, A. Cranny, N. Gupta, K. Maharatna, J. Achner, J. Klemke, M. Jöbges, and S. Ortmann, “Recognizing upper limb movements with wrist worn inertial sensors using k-means clustering classification,†Hum. Mov. Sci., vol. 40, pp. 59–76, 2015.
C. J. Lu and L. J. Kao, “A clustering-based sales forecasting scheme by using extreme learning machine and ensembling linkage methods with applications to computer server,†Eng. Appl. Artif. Intell., vol. 55, pp. 231–238, 2016.
F. Zhao, J. Fan, and H. Liu, “Optimal-selection-based suppressed fuzzy c-means clustering algorithm with self-tuning non local spatial information for image segmentation,†Expert Syst. Appl., vol. 41, no. 9, pp. 4083–4093, 2014.
Z. Du, B. Fan, X. Jin, and J. Chi, Fault detection and diagnosis for buildings and HVAC systems using combined neural networks and subtractive clustering analysis, vol. 73. Elsevier Ltd, 2014.
A. Chaghari, M.-R. Feizi-Derakhshi, and M.-A. Balafar, “Fuzzy clustering based on Forest optimization algorithm,†J. King Saud Univ. - Comput. Inf. Sci., 2016.
L. a. Zadeh, “Fuzzy sets,†Inf. Control, vol. 8, no. 3, pp. 338–353, 1965.
M. Ghaemi and M. R. Feizi-Derakhshi, “Forest optimization algorithm,†Expert Syst. Appl., vol. 41, no. 15, pp. 6676–6687, 2014.
W. Wang and Y. Zhang, “On fuzzy cluster validity indices,†Fuzzy Sets Syst., vol. 158, no. 19, pp. 2095–2117, 2007.
R. Suganya and R. Shanthi, “Fuzzy C-Means Algorithm-A Review,†Int. J. Sci. Res. Publ., vol. 2, no. 11, pp. 2250–3153, 2012.
B. I. Nasution and R. Kurniawan, "Robustness of classical fuzzy C-means (FCM)," 2018 International Conference on Information and Communications Technology (ICOIACT), Yogyakarta, 2018, pp. 321-325. doi: 10.1109/ICOIACT.2018.8350729
D. Biswas, A. Cranny, N. Gupta, K. Maharatna, J. Achner, J. Klemke, M. Jöbges, and S. Ortmann, “Recognizing upper limb movements with wrist worn inertial sensors using k-means clustering classification,†Hum. Mov. Sci., vol. 40, pp. 59–76, 2015.
C. J. Lu and L. J. Kao, “A clustering-based sales forecasting scheme by using extreme learning machine and ensembling linkage methods with applications to computer server,†Eng. Appl. Artif. Intell., vol. 55, pp. 231–238, 2016.
F. Zhao, J. Fan, and H. Liu, “Optimal-selection-based suppressed fuzzy c-means clustering algorithm with self-tuning non local spatial information for image segmentation,†Expert Syst. Appl., vol. 41, no. 9, pp. 4083–4093, 2014.
Z. Du, B. Fan, X. Jin, and J. Chi, Fault detection and diagnosis for buildings and HVAC systems using combined neural networks and subtractive clustering analysis, vol. 73. Elsevier Ltd, 2014.
A. Chaghari, M.-R. Feizi-Derakhshi, and M.-A. Balafar, “Fuzzy clustering based on Forest optimization algorithm,†J. King Saud Univ. - Comput. Inf. Sci., 2016.
L. a. Zadeh, “Fuzzy sets,†Inf. Control, vol. 8, no. 3, pp. 338–353, 1965.
M. Ghaemi and M. R. Feizi-Derakhshi, “Forest optimization algorithm,†Expert Syst. Appl., vol. 41, no. 15, pp. 6676–6687, 2014.
W. Wang and Y. Zhang, “On fuzzy cluster validity indices,†Fuzzy Sets Syst., vol. 158, no. 19, pp. 2095–2117, 2007.
R. Suganya and R. Shanthi, “Fuzzy C-Means Algorithm-A Review,†Int. J. Sci. Res. Publ., vol. 2, no. 11, pp. 2250–3153, 2012.
B. I. Nasution and R. Kurniawan, "Robustness of classical fuzzy C-means (FCM)," 2018 International Conference on Information and Communications Technology (ICOIACT), Yogyakarta, 2018, pp. 321-325. doi: 10.1109/ICOIACT.2018.8350729
Unduhan
Diterbitkan
2019-01-24
Terbitan
Bagian
Artikel
Lisensi
Penulis yang menerbitkan jurnal ini menyetujui persyaratan berikut:
- Penulis memiliki hak cipta dan memberikan hak untuk publikasi pertama jurnal dengan karya yang secara simultan dilisensikan di bawah Creative Commons Attribution License yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepengarangan karya dan publikasi awal dalam jurnal ini.
- Penulis dapat membuat perjanjian kontrak tambahan yang terpisah untuk distribusi non-eksklusif versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan atas publikasi awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, dalam repositori institusional atau di situs web mereka) sebelum dan selama proses pengajuan, karena dapat menyebabkan pertukaran yang produktif, serta kutipan yang lebih awal dan lebih besar dari karya yang diterbitkan (Lihat Pengaruh Akses Terbuka).
