Analisis Algoritma K-means Clustering Menggunakan Openmp-libre
fuzzy c means clustering
-
Upload
wwwsoftscientswebid -
Category
Engineering
-
view
145 -
download
8
Transcript of fuzzy c means clustering
Fuzzy C Means Clustering
Clustering adalah bahasan cukup sering kita dengar pada teknik data minning.bisa kita gunakan, mulai dari algoritma kmeans clustering,
clustering, kohonen (versi LVQ unsupervisi)hanya 2 paramater saja karena bila diplotkan kedalam sumbu x dan
datanya!. Data berikut merupakan sebaran nilai dari 2 paramater
Fuzzy C Means ClusteringOleh : www.softscients.web.id
sering kita dengar pada teknik data minning. Ada banyak teknik yangalgoritma kmeans clustering, k-nearest neighbor, ataupun fuzzy c
, kohonen (versi LVQ unsupervisi). Contoh kasus yang mudah digunakan yaitu bila melibatkanhanya 2 paramater saja karena bila diplotkan kedalam sumbu x dan y akan cukup mudah dilihat sebaran
Data berikut merupakan sebaran nilai dari 2 paramater
Ada banyak teknik yangnearest neighbor, ataupun fuzzy c -means
. Contoh kasus yang mudah digunakan yaitu bila melibatkany akan cukup mudah dilihat sebaran
Bila kita plotkan menjadi berikut
Hal menarik dari distribusi data diatas adalah terjadinya pengelompokan data, untuk itu kita bisamenggunakan algoritma kmeans clustering,
Penulis menggunakan fuzzy c-means clustering untuk menentukan center tiap kelompok data.bisa membaca tutorial di https://edrianhadinata.wordpress.com/2013/12/19/metodealgoritma-fuzzy-cmeans/.
Penulis mengimplementasikan nya menggunakan bahasa C#
double[,] data = new double{10,8},{4,5},{2,3},{9,7},{0,1}
};int data_n = data.GetLengthint in_n = data.GetLength(1);
menarik dari distribusi data diatas adalah terjadinya pengelompokan data, untuk itu kita bisamenggunakan algoritma kmeans clustering, k-nearest neighbor, ataupun fuzzy c -means clustering.
means clustering untuk menentukan center tiap kelompok data.https://edrianhadinata.wordpress.com/2013/12/19/metode
entasikan nya menggunakan bahasa C# , kamu bisa melihat potongan kode berikut
double[,] {
GetLength(0); //jumlah data); //jumlah paramater
menarik dari distribusi data diatas adalah terjadinya pengelompokan data, untuk itu kita bisameans clustering.
means clustering untuk menentukan center tiap kelompok data. Kamuhttps://edrianhadinata.wordpress.com/2013/12/19/metode -clustering-
, kamu bisa melihat potongan kode berikut
int cluster_n = 2; //jumlah clusterint max_iterasi = 10;double min_impro = 0.0001;int expo = 2; //sering disebut bobot//sebagai nilai keanggotaan awaldouble [,] U = new double[,] {
{0.3000, 0.6000, 0.7000, 0.4000,0.8000},{0.7000, 0.4000, 0.3000, 0.6000, 0.2000}
};FCM fcm = new FCM();fcm.Hitung(data, U, cluster_n,expo, min_impro,max_iterasi);double[,] UNew = fcm.UNew;double[,] center = fcm.Center;int[] kelas = fcm.Kelas;Program.Cetak("Center ",center);Program.Cetak("U Baru ",UNew);Program.Cetak("Kelas ",kelas);
Menghasilkan
Center1.751 2.759.349 7.428U Baru0.008 0.773 0.998 0.004 0.9550.992 0.227 0.002 0.996 0.045Kelas1 0 0 1 0
Agar lebih informatif, penulis tulis kan saja dalam bentuk tabel di excel
Kita plotkan menjadi berikut
Fuzzy c-means clustering dapat digunakan untuk melakukan pengelompokan data
lebih informatif, penulis tulis kan saja dalam bentuk tabel di excel
means clustering dapat digunakan untuk melakukan pengelompokan data – klustering.klustering.