روشی جدید مبتنی بر مفاهیم مجموعه های راف به منظور تعیین تعداد خوشه ها در الگوریتم های خوشه بندی

تا کنون روش های خوشه بندی متعددی ارائه شده است. در اکثر روش های خوشه بندی ارائه شده، تعیین تعداد واقعی خوشه ها ازاهمیت خاصی بر خوردار است. نظریه ی مجموعه های راف ابزار قدرتمندی است که می تواند به منظور تعیین تعداد خوشه ها مورد استفاده قرارگیرد. الگوریتم های یادگیری ماشین نشان داده اند که استفاده از مقادیر ویژگی گسسته در مقایسه با استفاده از ویژگی های پیوسته عملکردبهتری خواهند داشت، ولی در عمل بسیاری از مجموعه داده ها متغیر های پیوسته می باشند؛ و این موضوع در برخی از روش ها، مانند نظریه ی مجموعه های راف ایجاد مشکل می کند. در این مقاله روشی جدید مبتنی بر مفاهیم مجموعه های راف معرفی خواهد شد. این روش بر اصول ریاضی قدرتمندی استوار است و می تواند راه گشای مناسبی در حل مشکلات خوشه بندی باشد. در نهایت روش معرفی شده بر روی سه مجموعه داده ی مهم تست می شود و نتایج آن با روش های دیگر معرفی شده در این زمینه مقایسه می گردد. نتایج آزمایش ها نشان می دهد روش ارائه شده از برتری قابل توجهی برخوردار است.

کلیدواژه ها:

خوشه بندی ، تعداد خوشه ها ، نظریه ی مجموعه های راف