بهینه سازی الگوریتم خوشه بندی مبتنی بر تراکم برای داده های ابعاد بالا

امروزه، استفاده از مجموعه داده های ابعاد بالا در تمام جنبه ها رشد چشمگیری پیدا کرده است. الگوریتم های سنتی، بدلیل در نظر نگرفتن ویژگی های مجموعه داده های ابعاد بالا برای گروه بندی این نوع دادهها کارامد نیستند. یکی از روش های مورد استفاده برای خوشه بندی داده های ابعاد بالا، استفاده از الگوریتم خوشه بندی زیرفضاست که از خوشه بندی مبتنی بر تراکم در ساختارش استفاده می کند. در خوشه بندی مبتنی بر تراکم، خوشه ها بعنوان واحدهای متراکم متصل بهم تعریف می شوند و بر اساس تراکم در جهت های مختلف رشد می کنند. اکثر الگوریتم های مبتنی بر تراکم، قادر به تفکیک تراکم سراسری یا محلی نیستند. در این مقاله، الگوریتمی معرفی شده است که قادر است مجموعه داده های با تراکم مختلف را خوشه بندی کند. این الگوریتم از ساختار درخت کادی و روش نزدیکترین همسایه ها و نزدیکترین همسایه های معکوس استفاده می کند که موجب کاهش حجم حافظه برای ذخیره سازی و افزایش سرعت اجرای الگوریتم شده است.

کلیدواژه ها:

داده کاوی ، خوشه بندی ، داده ابعاد بالا ، خوشه بندی زیرفضا ، Kmeans DBSCAN SUBCLU.