Разработка алгоритмов классификации проектов планировки территории с использованием теории нечетких множеств

• Автор: Коротаев, Александр Николаевич
• Шифр специальности: 05.13.10
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Рязань
• Количество страниц: 155 с. : ил.

СОДЕРЖАНИЕ
Введение

Глава 1. Задача классификации

проектов планировки территории и подходы к ее решению

1.1 Задача классификации проектов планировки территории

1.2 Существующие методы классификации объектов

1.3 Проблема выбора критериев для оценки проектов планировки территории

1.4 Существующие подходы для классификации объектов

Основные результаты

Глава 2. Разработка алгоритмов классификации проектов планировки территории с использованием алгоритмов кластеризации на основе нечетких множеств первого типа, интервальных нечетких множеств второго типа и генетических алгоритмов с хромосомой произвольной длины
2.1 Использование алгоритма нечетких с-средних на основе нечетких множеств первого типа для классификации проектов планировки территории...’
2.2 Совместное использование БСМ-алгоритма на основе нечетких множеств первого типа и генетического алгоритма с хромосомами произвольной длины для классификации проектов планировки территории
2.2.1 Кодирование хромосомы
2.2.2 Использование генетических алгоритмов с хромосомой произвольной длины
2.2.3 Скрещивание хромосом произвольной длины
2.3 Алгоритм возможностных с-средних на основе нечетких множеств первого типа для классификации проектов планировки территории
2.4 Совместное использование РСМ-алгоритма на основе нечетких множеств второго типа и генетического алгоритма с хромосомами произвольной длины для классификации проектов планировки территории
. И:г.л;' '.■ -у :*. - .Н. : ../■;> 1 . ' • 'у г ■■ ; *'
• ■/'=. ■ -■ /; .V 1 г '"-л. . >••"-{М ■■ V:; у.
2.5 Классификация проектов планировки территории с использованием РСМ-алгоритма на основе интервальных нечетких множеств второго типа
2.5.1 Проблема неопределенности фаззификатора и «ширины зоны» в РСМ-алгоритме
2.5.2 Расширение множества проектов классификации на интервальные нечеткие множества второго типа для РСМ-алгоритма
2.6 Генетический алгоритм поиска оптимальной комбинации значений фаззи-фикаторов, реализующих управление неопределенностью, и значений «ширины зоны» для РСМ-алгоритма на основе интервальных нечетких множеств второго типа для классификации проектов планировки территории
2.7 Генетический алгоритм поиска оптимальной комбинации значения фаззификатора и значений «ширины зоны» для классификации проектов планировки территории, реализующих управление неопределенностью, для РСМ-алгоритма на основе интервальных нечетких множеств второго типа
2.8 Алгоритм классификации проектов планировки территории для кластеров произвольной формы
2.9 Использование разработанных алгоритмов для классификации проектов
планировки территории
Основные результаты
Глава 3. Разработка алгоритмов классификации проектов планировки территории на основе нейро-нечеткой сети А№18 и кластерных ансамблей
3.1 Нейро-нечеткая сеть А№
3.2 Обучение нейро-нечеткой сети
3.3 Использование нейро-нечеткой сети АЫИ8 для классификации проектов планировки территории
3.4 Использование кластерных ансамблей для классификации проектов планировки территории
3.5 Пример классификации проектов планировки территории с использованием уточняющих алгоритмов классификации
Основные результаты
Глава 4. Программная реализация алгоритмов классификации проектов планировки территории
4.1 Общие характеристики пакета прикладных программ «Классификация проектов планировки территории
4.2 Выбор программных средств для реализации алгоритмов
4.3 Структура пакета прикладных программ «Классификация проектов планировки территории»
Основные результаты
Заключение
Список литературы
Приложения

у = 1 ,с, / = 1, и), характеризующей с-разбиение множества объектов X, где число и Дх() определяет принадлежность / -го объекта у-му кластеру. Матрица С/ = [и .(л,)] должна обладать следующими свойствами:
5Х(*/)=1’ * = 1.и» (1-6)

Ос^иДхДсл, у = 1,с. (1.7)

Для оценки качества разбиения используется целевая функция, представляющая критерий разброса.
В случае использования евклидовой метрики этот критерий записывается в виде [12]:
^и.Г)-±1.<1',=±1.±и^. (1.8)
7=1 х^Хj у=1 х-^Х] 1=
где (У = [ну (х,)] - с -разбиение множества объектов X на основе характеристических функций иДх,.), определяющих принадлежность объекта х, =(х;1,х,2,...,х?) кластеру Г = (у,,...,ус) - прототипы кластеров; с1м -расстояние между объектом х( и центром кластера уу; у; = (уДу* ,...,у?) - вектор координат центра у -го кластера в некотором <7 -мерном нормированном пространстве, изоморфном Я9 (у'-еТ?*); с - количество кластеров
(у е {2,...,с}); и - количество объектов кластеризации; у = 1,с; / = 1,я. Координаты центра у -го кластера находятся как:
^=-'1*', (1.9)
где лу - мощность у -го кластера (количество объектов, отнесенных к у -му кластеру).