بررسی چالش ها و بهبود های الگوریتم خوشه بندی کا-میانگین

در میان الگوریتم های خوشه بندی موجود، الگوریتم کا -میانگین به دلیل سادگی و موثر بودن به یکی از گسترده ترین تکنیک های مورد استفاده برای خو شه بندی داده ها تبدیل شده است. این الگوریتم با وجود سادگی و گستردگی استفاده از آن، دارای مشکلاتی چون حساب بودن به نویز، مقدار دهی تصادفی مراکز اولیه خوشه بندی، وجود داده های پرت و اثرات آن بر خوشه بندی، دقت و پایداریالگوریتم، تعیین مناسب تعداد خوشه ها قبل از انجام خوشه بندی، ناتوانی الگوریتم در مدیریت داده هائی با مدیرت کاملا متفاوت، می باشد. باتوجه به مشکلات این الگوریتم، در سال های اخیر بهبود هایی بر روی آن انجام شده است تا مشکلات مربوط به این الگوریتم را به حداقل برساند. ما در این مقاله سعی می کنیم بهبود های اخیرا صورت گرفته بر روی این الگوریتم را به طور مختصر و مفید شرح دهیم.

کلیدواژه ها:

الگوریتم خوشه بندی ، بهبود کا میانگین ، داده های پرت داده های نویزی ، مراکز اولیه تصادفی ، تعداد خوشه ها.