مقایسه الگوریتمهای خوشه بندی مبتنی بر افراز دادههای غیرقطعی بر حسب اندازه تشابههای مختلف

عدم قطعیت داده به طور طبیعی می تواند به دلایلی مانند عدم دقت در اندازه گیری های فیزیکی، اختالف نظر در نمونه گیری، منابع داده های قدیمی و دیگر خطاها ایجاد شود. این عدم قطعیت را می توان در سطح جدول، در سطح تاپل و در سطح ویژگی مورد بررسی قرار داد. در اینجا تمرکز بر روی عدم قطعیت در سطح ویژگی است که بر اساس یک مدل احتمالی مدلسازی می شود. در واقع داده های غیرقطعی توسط یک ناحیه نشان داده می شوند که بر روی آن یک تابع چگالی احتمال تعریف شده است. خوشه بندی داده های غیرقطعی به عنوان یک وظیفه ضروری در تحقیقات داده کاوی شناخته می شود. در سالهای اخیر، با به کارگیری فاصله مورد انتظار و فاصله توزیع احتمالی برای اندازه گیری تشابه بین این داده ها، الگوریتم های خوشه بندی کلاسیک مبتنی بر افراز از دو جنبه متفاوت تعمیم داده شده اند. هر پایگاه داده اولویت خودش را در مورد اندازه گیری فاصله های مختلف دارد و به نظر می رسد اندازه فاصله ای که بتواند به طور هم زمان هر دو فاصله را مورد استفاده قرار دهد، مناسب باشد. یک ایده ی ساده می تواند ترکیب این دو نوع اندازه فاصله با یکدیگر و تنظیم خودکار درجه اهمیت این دو فاصله، با توجه به اطلاعات هم پوشانی مکانی، باشد. در این مقاله، با ادغام این اندازه تشابه ها با الگوریتم Uk-medoids، الگوریتم های جدیدی پیشنهاد شده است. پس از آن نتایج حاصل از خوشه بندی این الگوریتم ها، بر اساس معیارهای ارزیابی خارجی، بر روی دو پایگاه داده مورد مقایسه و تجزیه و تحلیل قرار گرفته اند.

کلیدواژه ها:

خوشه بندی ، داده غیرقطعی ، الگوریتم مبتنی بر افراز ، Uk-medoids