The FCM clustering algorithm was im

The FCM clustering algorithm was implemented separately for the milk and the fish KT-matrices [Tables 4(A, B) and Table 5, respectively] by using the Mat Lab function ‘fcm’. The algorithm needs three input parameters: c, m and ε, being respectively the number of fuzzy clusters, the exponent defining the nonlinearity of the function for assigning membership grades, and the error limit on the calculated objective function for stopping further iteration. In the whole analysis, the latter two parameters were fixed at m = 2 and ε = 0.01. The m = 2 implements a quadratic nonlinear membership grade function in terms the Euclidean distances between the data points and the clusters centers, Eq. (2), and ε = 0.01 is empirically assigned as a tolerance limit for iterations. The polymer having highest membership grade value in a cluster
was declared to be the cluster center. In order to reveal the data structure we increased the value of third parameter c systematically by 1 starting with c = 2. At each increment for c the output of the FCM algorithm (thatis,the subset of c polymers) was examined. What we expect is that the most distinct polymers would emerge as cluster centers first. The list would build up as more centers are added with increasing c. Finally, a smallest subset of polymers that is maximally diverse would appear, and reappear consistently if we seek still larger number of cluster centers. The FCM analysis with increasing c was pursued with this idea, and the results were

ผลลัพธ์ (ไทย) 1:

อัลกอริทึมระบบคลัสเตอร์ FCM ได้ดำเนินแยกต่างหากสำหรับนมและปลาเมทริกซ์ KT [ตาราง 4 (A, B) และตาราง 5 ตามลำดับ] โดยใช้ฟังก์ชันพรมแล็บ 'fcm' อัลกอริทึมต้องป้อนค่าพารามิเตอร์สาม: c, m และ ε มีจำนวนของคลัสเตอร์เอิบ ยกกำหนด nonlinearity ของฟังก์ชันสำหรับการกำหนดระดับสมาชิก และจำกัดข้อผิดพลาดในการคำนวณฟังก์ชันวัตถุประสงค์ในการหยุดการเกิดซ้ำต่อไปตามลำดับ ในการวิเคราะห์ทั้งหมด หลังสองพารามิเตอร์ได้คงที่ m = 2 และε = 0.01 M =เครื่องมือ 2 เกรดฟังก์ชันไม่เชิงเส้นสมาชิกกำลังสองในแง่ของระยะทางระหว่างจุดข้อมูลศูนย์คลัสเตอร์ Eq. (2), และε Euclidean = 0.01 empirically ถูกกำหนดเป็นวงเงินค่าเผื่อสำหรับการเกิดซ้ำ พอลิเมอร์มีค่าเกรดสมาชิกสูงสุดในคลัสเตอร์ถูกประกาศให้เป็นศูนย์กลางของคลัสเตอร์ เพื่อเปิดเผยโครงสร้างข้อมูล เราเพิ่มค่าของ c พารามิเตอร์ที่สามอย่างเป็นระบบ โดยเริ่มต้น ด้วย c 1 = 2 ของอัลกอริทึม FCM (thatis ชุดย่อยของโพลิเมอร์ c) ถูกตรวจสอบในแต่ละเพิ่มใน c ที่เราคาดหวังคือ จะเกิดโพลิเมอร์แตกต่างกันมากที่สุดเป็นคลัสเตอร์ศูนย์แรก รายการจะสร้างขึ้นเมื่อมีเพิ่มศูนย์เพิ่มเติม ด้วยการเพิ่ม c สุดท้าย ชุดย่อยที่เล็กที่สุดของโพลิเมอร์ที่มีความหลากหลาย maximally จะปรากฏ และปรากฏขึ้นอีกอย่างถ้าเราค้นหาจำนวนคลัสเตอร์ศูนย์ใหญ่ยัง มีติดตามวิเคราะห์ FCM มีเพิ่ม c กับความคิดนี้ และก็

ผลลัพธ์ (ไทย) 2:

อัลกอริทึมการจัดกลุ่ม FCM ได้ดำเนินการแยกต่างหากสำหรับนมและปลา KT-เมทริกซ์ [ตารางที่ 4 (A, B) และตารางที่ 5 ตามลำดับ] โดยใช้ฟังก์ชัน Mat Lab 'FCM' อัลกอริทึมต้องการสามป้อนพารามิเตอร์: C, เมตรและεเป็นตามลำดับจำนวนของกลุ่มเลือนสัญลักษณ์กำหนดไม่เป็นเชิงเส้นของฟังก์ชั่นสำหรับการกำหนดเกรดเป็นสมาชิกและขีด จำกัด ของข้อผิดพลาดในฟังก์ชันวัตถุประสงค์คำนวณสำหรับการหยุดซ้ำอีก ในการวิเคราะห์ทั้งสองหลังพารามิเตอร์ได้รับการแก้ไขที่ m = 2 และε = 0.01 m = 2 ดำเนินการเป็นสมาชิกไม่เชิงเส้นกำลังสองฟังก์ชั่นชั้นประถมศึกษาปีในแง่ระยะทางแบบยุคลิดระหว่างจุดข้อมูลและกลุ่มศูนย์สม (2) และε = 0.01 ได้รับมอบหมายสังเกตุเป็นขีด จำกัด ของความอดทนสำหรับการทำซ้ำ ลิเมอร์ที่มีค่าคะแนนสูงสุดเป็นสมาชิกในกลุ่ม
ได้รับการประกาศให้เป็นศูนย์ของคลัสเตอร์ เพื่อที่จะแสดงให้เห็นโครงสร้างข้อมูลที่เราเพิ่มค่าของพารามิเตอร์ที่สามคระบบโดย 1 เริ่มต้นด้วย c = 2. ที่เพิ่มขึ้นในแต่ละคเอาท์พุทของขั้นตอนวิธี FCM (thatis, ย่อยของพอลิเมอค) ได้รับการตรวจสอบ สิ่งที่เราคาดหวังคือโพลิเมอร์ที่แตกต่างกันส่วนใหญ่จะออกมาเป็นศูนย์แรกของคลัสเตอร์ รายการจะสร้างขึ้นเป็นศูนย์มากขึ้นมีการเพิ่มเข้ามาด้วยการเพิ่มค สุดท้ายย่อยที่เล็กที่สุดของโพลิเมอร์ที่มีความหลากหลายที่สุดจะปรากฏขึ้นและเกิดขึ้นอีกครั้งอย่างต่อเนื่องถ้าเรายังคงแสวงหาตัวเลขขนาดใหญ่ของศูนย์คลัสเตอร์ การวิเคราะห์ FCM กับการเพิ่มคถูกไล่ด้วยความคิดนี้และผลลัพธ์ที่ได้

ผลลัพธ์ (ไทย) 3:

การแบ่งกลุ่มขั้นตอนวิธีใช้ FCM แยกต่างหากสำหรับนมและปลา KT เมทริกซ์ [ ตาราง 4 ( A , B ) และตารางที่ 5 ตามลำดับ ] โดยใช้ฟังก์ชัน ' Lab เสื่อ FCM ' ขั้นตอนวิธีความต้องการสามเข้าพารามิเตอร์ : C , M และεตามลำดับหมายเลขของฟัซซี่ ถูกกลุ่มผู้สนับสนุนการกำหนดค่าของฟังก์ชั่นให้คะแนนสมาชิกและข้อผิดพลาดในการคำนวณฟังก์ชั่น จำกัด วัตถุประสงค์เพื่อหยุดการต่อไป ในการวิเคราะห์ทั้ง สองอย่างหลังตัวแปรคงที่ M = 2 และε = 0.01 M = 2 ใช้ฟังก์ชันกำลังสองเชิงเส้นการเกรด ในแง่ใช้ระยะทางระหว่างจุดข้อมูลและคลัสเตอร์ศูนย์อีคิว ( 2 ) และε = 001 ใช้มอบหมาย เช่น ความอดทน จำกัด สำหรับการทำซ้ำ . พอลิเมอร์มีสมาชิกในกลุ่มเกรดสูงสุดค่า
ถูกประกาศเป็นศูนย์กลุ่ม เพื่อเปิดเผยข้อมูลโครงสร้างเราเพิ่มค่าของพารามิเตอร์ที่สาม C อย่างเป็นระบบโดย 1 เริ่มด้วย C = 2 ที่เพิ่มขึ้นสำหรับแต่ละ c ของ FCM ขั้นตอนวิธี ( มีการย่อยของ C ( ) คือการตรวจสอบสิ่งที่เราคาดหวังมากที่สุดคือที่แตกต่างกันและจะออกมาเป็นศูนย์ก่อนกลุ่ม รายการที่จะสร้างเป็นศูนย์ที่มีการเพิ่มมากขึ้นด้วยการเพิ่ม C . ในที่สุด , เล็กย่อยของพอลิเมอร์ที่หลากหลายที่สุดจะปรากฏขึ้นและปรากฏขึ้นอีกครั้งอย่างต่อเนื่อง ถ้าเราหาเบอร์ศูนย์กลุ่มยังคงมีขนาดใหญ่ การเพิ่ม C FCM การวิเคราะห์ติดตามกับความคิดนี้ และผลลัพธ์คือ