مروری برکاربردهای خوشه بندی طیفی وبهبود آن

الگوریتم خوشه بندی طیفی ، الگوریتمی است برای قرار دادن N نقطه داده در یک فضای I- بعدی در داخل خوشه های مختلف. هر خوشه توسط شباهت آن تعریف شده، بدین معنا که نقاط موجود در یک خوشه مشابه با یکدیگر، و نقاط موجود در خوشه های مختلف متفاوت از یکدیگر هستند. به تازگی، خوشه بندی طیفی به یک ابزار حمایتی فزاینده تبدیل گردیده و در حوزه های مختلف مانند آمار، یادگیری ماشینی، تشخیص الگو، داده کاوی و پردازش تصویر به کار می رود. این مقاله روش های بالا را با جزئیات بررسی کرده و سپس رابطه بین خوشه بندی طیفی و خوشه بندی k-means و کاربردهای خوشه بندی طیفی در بخش بندی تصویر، داده کاوی آموزشی، تفکیک نهاد، و تفکیک کلام را معرفی خواهد کرد. همچنین با بهبود و پیشرفت در این الگوریتم با استفاده از روش های Nystrom اشاره می کند

کلیدواژه ها:

خوشه بندی طیفی ، داده کاوی ، یادگیری ماشینی