ارایهی یک الگوریتم خوشهبندی ترکیبی با استفاده از k -میانگین هارمونیک و مراکز فازی

در دادهکاوی شیوهای که اغلب برای پردازش داده استفاده می شود، خوشه بندی است. یکی از مشکلات مطرح در الگوریتم های خوشه بندی، عدم سازگاری نتایج با توجه به مقداردهی اولیه برای تعداد خوشهها است. الگوریتم خوشه بندی k -میانگین هارمونیک به منظور رفع این مشکل برروی دادههای عددی بهخوبی عمل میکند. با این وجود همچنان برروی دادههای ترکیبی با ویژگیهای رسته ای عملکرد خوبی از خود نشان نمیدهد. در این مقاله روش خوشه بندی k-هارمونیک که واریانسی از شیوه k-میانگین معروف است، بر روی دادههای ترکیبی همراه با تعاریفی از مراکز فازی خوشه و مقیاس فاصلهای ارایه شده است که هر دوی آنها با تابع هزینه الگوریتم خوشه بندی k-میانگین هارمونیک در الگوریتم پیشنهادی استفاده میشوند. نتیجه آزمایشها روی مجموعه دادههای رستهای خالص و ترکیبی نشان میدهد که الگوریتم پیشنهادی به خوبی روی مقداردهی تصادفی و یا غیر دقیق مرکز خوشه ، عملکرد بهتری در مقایسه با k-میانگین هارمونیک دارد. حتی در حالتی که خوشههای تولید شده ویژگیهای ترکیبی و متفاوت داشته باشند، این روش موثرتر بوده و نتایج خوشه بندی بهتری را تولید میکند.

کلیدواژه ها:

الگوریتم خوشه بندی ، k -میانگین هارمونیک ، خوشه بندی فازی ، مراکز فازی ، دادههای ترکیبی