الگوریتم خوشه بندی جاسازی شده به صورت غیر خطی طویفی

روش های خوشه بندی طیفی سنت SC که به خوبی شناخته شده هستند، براساس فرض گوناگونی یعنی دون قطه داده مجاور در منطقه با ترا کم بالا و متعلق به یک گوناگونی داده دارای ابعاد کم ، برچسب خوشه یکسانی دارند- ایجاد شده اند.اما برای برخی داده های پراکنده و دارای ابعاد بالا ، چنین فرضی ممکن است نامعتبرباشد.در نتیجه ،عملکرد خوشه بندی SC در این مورد به شدت تنزل پیدا خواهد کرد. برای حالی مساله، در این مقاله یک چارچوب جاسازی شده طیف کلی یپشنهاد می کنیم که ماتریس انتساب خوشه درست برای داده با ابعاد بالا را در یک فضای غیرخطی توسط یک تا بع جاسازی از پیش تعریف شده، جاسازی می کند. براساس این چارچوب، الگوریتم های متعددی با استفاده از توابع جاسازی متفاوت ارائه شده اند که هدفشان یادگیری ماتریس اتنساب خوشه نهایی و تبدیل آب فضایی با ابعاد پایین به طور همزمان می باشد. به گونه ای مهم تر، روش پیشنهادی می تواند به طور طبیعی مساله گسترش خارج از مثال را مدیریت کند.نتایج تجربی روی مجموعه داده ها این شعابی نشان می دهند که روش پیشنهادی به طور چشم گیری بر روش های خوشه بندی موجود برتری دارد.

کلیدواژه ها:

روش های خوشه بندی طیفی سنتی SC که به خوبی شناخته شده هستند ، براساس فرض گوناگونی