کنفرانس بین المللی محاسبات نرم

صفحه اصلی / پنجمین کنفرانس بین المللی محاسبات نرم

بررسی کارایی یک روش خوشه‌بندی مرکب با الگوریتم‌‌‌‌های خوشه‌بندی منفرد شامل k- میانگین، k-مدوئید، خوشه‌بندی طیفی و خوشه‌بندی سلسله مراتبی تجمعی با شاخص اطلاعات متقابل نرمال‌شده

نویسندگان :

آرزو عاقلی یزدی¹ الهام عباسی هرفته² سید ابوالفضل شاهزاده فاضلی³

1- دانشگاه یزد 2- دانشگاه یزد 3- دانشگاه یزد

کلمات کلیدی :

خوشه‌بندی،خوشه‌بندی مرکب،شاخص توافق جمعیت،خوشه‌بندی انباشت شواهد وزن‌دار

چکیده :

هدف روش خوشه‌‌بندی مرکب ترکیب خوشه‌بندی‌های متعدد برای رسیدن به یک خوشه‌بندی احتمالاً بهتر و قوی‌تر است. یکی از مسأله‌‌های مطرح در رویکردهای خوشه‌بندی مرکب این‌است که بسیاری از رویکردها فاقد توانایی وزن‌دهی به خوشه‌بندی‌های پایه بدون دسترسی به داده‌های اصلی هستند و می‌توانند به‌طور قابل‌توجهی تحت تأثیر خوشه‌بندی‌های با کیفیت پایین یا حتی بی‌کیفیت قرار بگیرند. در پژوهش‌ها برای پرداختن به این محدودیت، خوشه‌بندی مرکب از طریق تخمین توافق جمعیت پیشنهاد شده‌است و شاخص توافق جمعیت نرمال‌شده (NCAI) برای ارزیابی کیفیت خوشه‌بندی‌های پایه به شیوه‌ای بدون نظارت ارائه شده‌است، بنابراین خوشه‌‌بندی‌های پایه مطابق با اعتبار خوشه‌بندی آن‌ها وزن‌گذاری شده‌اند و با توجه به اطلاعات NCAI ، یک تابع اجماع با عنوان خوشه‌بندی انباشت شواهد وزن‌دار (WEAC) پیشنهاد شده‌است. در این پژوهش الگوریتم‌های پایه به‌کار گرفته‌شده در روشWEAC تغییر داده شده‌است و کارایی آن روی دو مجموعه‌داده استاندارد مورد بررسی قرار گرفته‌‌است.