خوشه بندی با استفاده از نقاط نماینده الگوریتمcure

در بیشتر الگوریتم های خوشه بندی تعداد خوشه ها باید به عنوان ورودی داده شود در الگوریتم cure هم این مشکل وجود دارد در این مقاله تلاش میشود که تعداد کالستر مطلوب در cure با محاسبه معیار بهینه سازی مربوط به هر خوشه بر اساس اندازه گیری فاصله درون خوشه و بین خوشه ها را بیابد. خوشه بندی فرایند گروه بندی داده ها یا اهداف است به طوری که اهداف یک کالستر بیشتر به یکدیگر شبیه اند تا به هدف های دیگر. Cure تعداد مشخصی point representative برای توصیف خوشه دارد . این نقاط به صورت تصادفی انتخاب می شود improve cure از یکسری توابع پیوندی در set data استفاده می کند. - Curens از تفاوت چگالی نقاط representative برای تعیین فاصله و جهت استفاده می کند.

کلیدواژه ها:

cure ، representative point ، clustering ، centroid