Fuzzy Clusteranalyse - Funktionsweise und Anwendungsmöglichkeiten

Seminar Paper , 2002 , 25 Pages , Grade: 1,0

Business economics - Operations Research

In der vorliegenden Arbeit soll mit der Fuzzy-Clusteranalyse eine verallgemeinerte Methode
zur Auffindung von Strukturen und Gruppierungen in Daten und somit zur
Datenreduktion vorgestellt werden, die gegebene Daten in zusammengehörige Bereiche
- sogenannte Cluster - einteilt. Die Verallgemeinerung zur klassischen Clusteranalyse
besteht darin, basierend auf dem von Zadeh 1965 eingeführten Begriff der Fuzzy-Menge
das System der eindeutigen Zugehörigkeit zu einer Menge bzw. zu einem Cluster dahingehend
aufzuweichen, dass auch graduelle Zugehörigkeiten zugelassen und somit fehlerhafte
Klassifikationen aufgrund von Unsicherheit in den Daten (Störeffekte/Rauschen)
oder nicht eindeutiger Zuordnungsmöglichkeit weitestgehend ausgeschlossen sind. Es
werden Methoden zur Bestimmung der Form, Größe und Anzahl der aufgrund hochdimensionaler
Datenstruktur ex ante meist nicht eindeutig festzulegenden Cluster anhand
verschiedener Algorithmen basierend auf der Technik der Bewertungsfunktionen und
globaler/lokaler Gütemaße besprochen und kritisch evaluiert. Im Kapitel Anwendungen
werden diverse Einsatzgebiete der Fuzzy-Clusteranalyse von der digitalen Bild- und
Handschrifterkennung bis hin zu strategischem Controlling und Marktsegmentierungssystemen
aufgezeigt und besprochen.

Inhaltsverzeichnis

• Fuzzy-Clusteranalyse
  • Grundlagen der Fuzzy-Set-Theorie und Datenanalyse
  • Clusteranalyse mit Bewertungsfunktion
  • Der Fuzzy c-Means Algorithmus
  • Algorithmen höherer Komplexität
  • Cluster-Gütemaße
  • Qualität der Algorithmen
• Anwendungen
  • Digitale Bilderkennung
  • Fuzzy-Szenarienauswahl im strategischen Controlling
  • Fuzzy-Kundensegmentierung im Finance-Sektor
  • Handschrifterkennung auf Fuzzy-Regelbasis
• Literaturverzeichnis

Zielsetzung und Themenschwerpunkte

Diese Arbeit stellt die Fuzzy-Clusteranalyse als eine verallgemeinerte Methode zur Identifizierung von Strukturen und Gruppierungen in Daten vor. Basierend auf der Fuzzy-Set-Theorie von Zadeh, ermöglicht die Fuzzy-Clusteranalyse eine graduelle Zugehörigkeit von Datenpunkten zu Clustern, wodurch fehlerhafte Klassifikationen aufgrund von Unsicherheiten in den Daten minimiert werden. Die Arbeit untersucht verschiedene Algorithmen zur Bestimmung der Form, Größe und Anzahl der Cluster, basierend auf Bewertungsfunktionen und Gütemaßen. Darüber hinaus werden Anwendungsbeispiele der Fuzzy-Clusteranalyse in verschiedenen Bereichen, wie der digitalen Bilderkennung, dem strategischen Controlling und der Kundensegmentierung, vorgestellt und diskutiert.

• Fuzzy-Clusteranalyse als verallgemeinerte Methode zur Datenanalyse
• Anwendung der Fuzzy-Set-Theorie zur graduellen Clusterzugehörigkeit
• Bewertung und Vergleich verschiedener Clusteralgorithmen
• Anwendungsbeispiele in verschiedenen Bereichen, wie Bilderkennung und Controlling
• Analyse der Vor- und Nachteile verschiedener Clusteralgorithmen

Zusammenfassung der Kapitel

Kapitel 1 befasst sich mit den Grundlagen der Fuzzy-Set-Theorie und ihrer Anwendung in der Datenanalyse, insbesondere in der Clusteranalyse. Es werden die grundlegenden Konzepte der Fuzzy-Mengen und ihre Bedeutung für die Modellierung von Unsicherheiten in Daten erläutert. Der Fokus liegt auf der klassischen Datenanalyse und ihrer Erweiterung durch die Fuzzy-Clusteranalyse. Der Abschnitt beschreibt die verschiedenen Clusteralgorithmen, wie den Fuzzy c-Means Algorithmus, den Gustafson-Kessel Algorithmus und den Gath-Gava Algorithmus, und analysiert ihre Stärken und Schwächen. Schließlich werden verschiedene Gütemaße zur Bewertung der Qualität der Clusteranalyse vorgestellt und diskutiert.

Kapitel 2 beleuchtet verschiedene Anwendungsbeispiele der Fuzzy-Clusteranalyse in unterschiedlichen Bereichen. Es werden die Anwendungsmöglichkeiten in der digitalen Bilderkennung, dem strategischen Controlling und der Kundensegmentierung im Finance-Sektor vorgestellt. Darüber hinaus wird ein Ansatz zur automatischen Regelgenerierung basierend auf Fuzzy-Clusteranalyse-Algorithmen im Kontext der Handschrifterkennung erläutert.

Schlüsselwörter

Die Schlüsselwörter und Schwerpunktthemen des Textes umfassen die Fuzzy-Clusteranalyse, Fuzzy-Set-Theorie, Datenanalyse, Clusteralgorithmen, Bewertungsfunktionen, Gütemaße, Bilderkennung, strategisches Controlling, Kundensegmentierung, Handschrifterkennung, Fuzzy-Regelbasis, mehrphasige Clusteranalyse.

• College: Frankfurt School of Finance & Management
• Course: Entscheidungsunterstützungssysteme
• Grade: 1,0
• Author: Ralph Karels (Author)
• Publication Year: 2002
• Pages: 25
• Catalog Number: V13827
• ISBN (eBook): 9783638193726
• Language: German
• Tags: Fuzzy, Clusteranalyse, Funktionsweise, Anwendungsmöglichkeiten, Entscheidungsunterstützungssysteme