A new maximal-clique-based clustering approach using k-nearest-neighbor

سال انتشار: 1402
محل انتشار: بیست و دومین کنفرانس سیستم های فازی ایران
کد COI اختصاصی: ICFUZZYS22_032
زبان مقاله: انگلیسی
تعداد مشاهده: 203

نویسندگان

Department of Applied Mathematics, Faculty of Mathematical Sciences, Shahrood University of Technology, Shahrood, Iran

چکیده

Clustering is an unsupervised classification technique for data analysis that iswidely used in many fields. In clustering techniques, finding the similarity betweendata points or objects’ features plays a central role in community detection. Mostexisting approaches handle this task based solely on the distance between given data.Besides, in hard clustering methods, knowing the number of final clusters before theimplementing algorithm questions the concept of unsupervised in these methods. Toget more coherent clusters whose cores are well-connected sub-graphs, the presentstudy suggests a new maximal-clique-based clustering approach where the similaritynetwork is generated based on an attribute-structural similarity relation between datapoints. The proposed model detects the communities without predefining the numberof clusters which provides a more flexible framework. The experimental results showthe accuracy and capability of the proposed algorithm for data clustering.

کلیدواژه ها

Fuzzy similarity, k-Nearest-Neighbor digraph, Clustering, Maximal clique

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.