خوشه بندی گرافهای احتمالاتی بزرگ با رویکرد همبستگی احتمالی

خوشه بندی روشی جهت گروهبندی اشیا مشابه به مجموعه های مرتبط است . با افزایش نمایی حجم دادهها، روش های قدرتمندی جهت پردازش و استخراج خوشه ها مورد نیاز است . علاوه بر حجم زیاد، ناهمگونی موجود در منابع دادهای نیز چالش دیگری است که منجر به ایجاد مجموعه دادههای غیرقطعی شده است . چنین داده های بزرگ غیرقطعی را می توان با استفاده از گرافهای احتمالاتی نمایش داد. این روش نمایش ، خوشه بندی گرافهای احتمالاتی بزرگ را به دنبال دارد. در این مقاله قصد داریم که به مسئله خوشه بندی گراف های احتمالاتی بزرگ با رویکرد همبستگی احتمالی بپردازیم . بدین منظور با بهره گیری از معیار حداقل فاصله گراف احتمالاتی اولیه با گراف خوشه بندی احتمالی ، به انتخاب محتمل ترین زیرگراف خوشه بندی قطعی با ضرایب همبستگی متفاوت می پردازیم . در این روش تمامی زیرگرافهای گراف احتمالاتی ورودی در زمان چندجمله ای مورد بررسی قرار می گیرند. جهت ارزیابی روش پیشنهادی ، از گراف احتمالاتی تعاملات میان پروتئین ها استفاده کردیم . نتایج به دست آمده با سه شاخص ارزیابی خوشه ها شامل Davies-Bouldin، Silhouett coefficient و Dunn مورد ارزیابی قرار گرفت . نتایج به دست آمده حاکی از این است که خوشه بندی احتمالی با ضریب همبستگی ۹.۰ بهترین عملکرد را در شناسایی روابط میان پروتئین ها و تعداد خوشه های موجود داشته است .

کلیدواژه ها:

خوشه بندی احتمالی ، ضریب همبستگی ، گراف احتمالاتی ، گراف قطعی