Analyse des performances de la classification basée sur le système Fuzzy

Un cluster est le processus de partition d'un ensemble de données préétabli en plusieurs clusters. Cette opération est effectuée de manière à ce que le même groupe soit identique et que les données appartenant à des groupes différents soient différentes. La tâche principale du clustering est l'exploration de données, et une technique commune d'apprentissage, de reconnaissance de formes, d'analyse d'images, de recherche d'informations et de bioinformatique. L'optimisation est le processus qui consiste à trouver les alternatives les plus rentables ou les plus avantageuses sous des contraintes données en maximisant les facteurs souhaités et en minimisant les facteurs non souhaités. L'algorithme d'optimisation par colonies d'abeilles est une famille d'essaims intelligents basés sur la population, qui résout les problèmes d'optima local et supplante les démérites des algorithmes d'optimisation par essaims de particules. Les BCO sont inspirés par les principes du comportement biologique naturel et le comportement communautaire circulé des colonies sociales a montré sa supériorité dans la production avec des problèmes d'optimisation complexes. Dans cette thèse, l'optimisation floue par colonies d'abeilles (Fuzzy Bee Colony Optimization - FBCO) a été souhaitée pour cet algorithme qui a fourni un effet incroyablement brillant par rapport à d'autres algorithmes actifs tels que le Fuzzy C- Means et le Fuzzy Particle Swarm Optimization.