کنفرانس بین المللی محاسبات نرم

صفحه اصلی / چهارمین کنفرانس بین المللی محاسبات نرم

اثر یکنواختی خوشه‌بندی‌های c-میانگین فازی، k-میانگین و سلسله مراتبی

نویسندگان :

محمد صیدپیشه¹ مارال تقی زاده²

1- دانشگاه گیلان 2- دانشگاه گیلان

کلمات کلیدی :

خوشه بندی، توزیع داده‌ها، k-میانگین، c-میانگین فازی، اثر یکنواختی، سلسله مراتبی

چکیده :

تاکنون الگوریتم‌های شناخته شده و پر‌کاربرد فراوانی برای خوشه بندی ارائه شده است اما آیا در این الگوریتم‌ها اهمیت توزیع داده‌ها مورد بررسی قرار گرفته است؟ در خوشه‌بندی اگر مجموعه داد‌ه‌ها به طور یکنواخت توزیع نشود، الگوریتم مستعد عملکرد ضعیف است و تاثیر قابل توجهی در نتایج خوشه‌بندی دارد که در مطالعات "اثر یکنواخت" نامیده می‌شود. در این مقاله ما اثر یکنواختی را بر سه الگوریتم خوشه‌بندی معروف c-میانگین فازی، k-میانگین و روش سلسله مراتبی مورد بررسی و مقایسه قرار می‌دهیم. ابتدا اثر یکنواخت را در روش c‌-میانگین فازی بررسی می‌کنیم و بعد از آن الگوریتم‌های k-میانگین و c-میانگین فازی و روش سلسله مراتبی را مورد مقایسه قرار می‌دهیم و آزمایشات گسترده‌ای روی داده های واقعی انجام می‌دهیم که نتایج نشان می‌هد که در روش k-میانگین اثر یکنواختی وجود دارد ولی اثر یکنواخت در روش c-میانگین فازی قوی‌تر است و هر چه پارامتر فازی m افزایش یابد اثر یکنواختی بیشتری را در الگوریتم c-میانگین فازی مشاهده خواهیم کرد. همچنین نتایج تجربی نشان می‌دهد که روش سلسله مراتبی تمایل به تولید خوشه‌هایی با تنوع زیاد در اندازه خوشه‌ها دارند.