ترکیب خوشه بندی Single Linkage با شبکه های عصبی گرافی

خوشه بندی تک لینکی (Single Linkage) یکی از روش های پرکاربرد خوشه بندی سلسله مراتبی در یادگیری ماشین بدون نظارت است که به دلیل سادگی و توانایی در شناسایی خوشه های غیرکروی مورد توجه قرار گرفته است. با این حال، این روش با چالش هایی مانند حساسیت به نویز و پیچیدگی محاسباتی مواجه است. در این مقاله، یک رویکرد نوآورانه پیشنهاد می شود که خوشه بندی تک لینکی را با شبکه های عصبی گرافی (GNN) ترکیب می کند تا دقت و مقیاس پذیری را بهبود بخشد. این روش با استفاده از قابلیت GNN در مدل سازی روابط پیچیده بین داده ها، محدودیت های سنتی تک لینکی را کاهش داده و کاربردهای جدیدی را در حوزه هایی مانند زیست فناوری، پردازش تصویر و تحلیل شبکه های اجتماعی فراهم می کند. نتایج شبیه سازی ها و مطالعات موردی نشان دهنده برتری این روش در مقایسه با رویکردهای سنتی است. این مقاله به بررسی مفاهیم، پیاده سازی، و پتانسیل های این نوآوری می پردازد و جهت گیری های آینده را پیشنهاد می دهد.

کلیدواژه ها:

خوشه بندی تک لینکی ، یادگیری ماشین بدون نظارت ، شبکه های عصبی گرافی ، خوشه بندی سلسله مراتبی ، تحلیل داده ها