افزایش دقت و سرعت خوشه بندی K میانگین با استفاده از رویکرد وزن دهی فاکتور تمایز

با توجه به اهمیت روشهای خوشه بندی داده ها در دنیای واقعی و کاربرد آنها در حوزه علوم مختلف، در این پژوهش سعی داریم عمل دسته بندی را بهبود بخشیده و پیچیدگی محاسباتی الگوریتم ها را کاهش دهیم. در همین راستا، در بخش محاسبه ی فاصله بین اشیا درعمل دسته بندی مجموعه داده های با ابعاد بالا، به وزن دهی مشخصه های داده ها با استفاده از روش فاکتور تمایز پرداخته شده است. با این عمل بعد داده های مورد مطالعه را کاهش داده، در نتیجه دقت و سرعت خوشه بندی k میانگین را افزایش و تابع خطا را کاهش داده ایم. این چارچوب بر روی داده های واقعی شبکه های اجتماعی مربوط به دانشجویان دانشگاه ابرار آزمایش شده و به نتایجی از جمله افزایش دقت دسته بندی، کاهش تابع خطا در جامعه ی مذکور دست یافتیم.

کلیدواژه ها:

خوشه بندی K میانگین فاکتور تمایز ، تابع خطا