بهبود خوشه بندی ترکیبی با استفاده از تشخیص نمونه های مرزی

خوشه بندی ترکیبی عبارتست از ترکیب نتایج چندین الگوریتم خوشه بندی برای بدست آوردن خوشه هایی با دقت بالا تر عامل مهمی که در بیشتر مواقع باعث بروز خطا درخ وشه بندی می شود تداخل نمونه های مرزی خوشه ها می باشد در خوشه بندی ترکیبی به علت اینکه یک روش خوشه بندی چندین بار اجرا می شود درهر بار اجرای یک روش خوشه بندی تمام نمونه ها را برای خوشه بندی انتخاب نمی کنیم که همین امر باعث ایجاد پراکندگی بیشتر و حصول نتیجه بهتر می گردد در روشهای متداول خوشه بندی ترکیبی این زیرمجموعه هارا بصورت تصادفی انتخاب می کنند در روش پیشنهادی ما سعی در انتخاب نمونه های مرزی خوشه ها دراین زیرمجموعه ها گردیده است.

کلیدواژه ها:

خوشه بندی ترکیبی ، ماتریس همبستگی ، نمونه های مرزی ، تابع توافقی و زیرمجموعه