اثر یکنواختی خوشه بندیc-میانگین فازی،k -میانگین و سلسله مراتبی

تاکنون الگوریتم های شناخته شده و پرکاربرد فراوانی برای خوشه بندی ارائه شده است اما آیا در این الگوریتم ها اهمیت توزیع داده ها مورد بررسی قرار گرفته است؟ در خوشه بندی اگر مجموعه داده ها به طور یکنواخت توزیع نشود، الگوریتم مستعد عملکرد ضعیف است و تاثیر قابل توجهی در نتایج خوشه بندی دارد که در مطالعات "اثر یکنواخت" نامیده می شود. در این مقاله ما اثر یکنواختی را بر سه الگوریتم خوشه بندی معروف c-میانگین فازی، k- میانگین و روش سلسله مراتبی مورد بررسی و مقایسه قرار می دهیم. ابتدا اثر یکنواخت را در روش c -میانگین فازی بررسی می کنیم و بعد از آن الگوریتم های k -میانگین و c -میانگین فازی و روش سلسله مراتبی را مورد مقایسه قرار می دهیم و آزمایشات گسترده ای روی داده های واقعی انجام می دهیم که نتایج نشان می دهد که در روش k -میانگین اثر یکنواختی وجود دارد ولی اثر یکنواخت در روش c- میانگین فازی قوی تر است و هر چه پارامتر فازی m افزایش یابد اثر یکنواختی بیشتری را در الگوریتم c-میانگین فازی مشاهده خواهیم کرد. همچنین نتایج تجربی نشان می دهد که روش سلسله مراتبی تمایل به تولید خوشه هایی با تنوع زیاد در اندازه خوشه ها دارند.

کلیدواژه ها:

خوشه بندی ، توزیع داده ها ، k - میانگین ، c -میانگین فازی ، اثر یکنواختی ، سلسله مراتبی