خوشه بندی گروهی نیمه نظارت شده با استفاده از برچسب گذاری مجدد

خوشه بندی گروهی به عنوان یک بسط مهم از مشکلات خوشه بندی کلاسیک پدید آمده و و یکی از جدیدترین پیشرفت ها در آموزش بدون نظارت است. هدف آن ترکیب نتایج بدست آمده با استفاده از الگوریتم های مختلف یا از اجراهای مختلف یکالگوریتم برای یک مجموعه داده مشخص می باشد و این برای پیدا کردن یک واحد اجماع که از بعضی جهات از خوشه های موجود بهتر است روش مطلوبی است . در این پژوهش ما یک چارچوب خوشه بندی نیمه نطارت شده با استفاده از برچسب گذاری مجدد را پیشنهاد میکنیم که با ترکیب خوشه بندی گروهی و الگوریتم های خوشه بندی نیمه نظارت شده به منظوربهبود دقت نتایج خوشه بندی تلاش میکند این الگوریتم از لحاظ محاسباتی بسیار کارآمدو با پیچیدگی خطی برای اندازه داده است که در واقع میتوان میزان دقت و پیشرفت در خوشه نتایج را با شیوه پیشنهادی ما افزایش داد . نتایج تجربی اثر بخشی روش پیشنهادی ما را نشان میدهد

کلیدواژه ها:

خوشه بندی نیمه نظارت شده ، خوشه بندی گروهی ، تابع اجماع ، تولید گروه