یک الگوریتم خوشهبندی ترکیبی چند لایه جدید روی دادههای با ابعاد بالا

خوشهبندی فرآیند تقسیم مجموعهی دادهها به زیر مجموعههایی است که خوشه نام دارند. بطوریکه اشیا موجود در یک خوشه به یکدیگر شبیهاند و نسبت به سایر خوشهها متفاوتهستند. در طی دهههای متمادی الگوریتمهای فراوانی در رویکردهای مختلف برای خوشهبندی ایجاد شدهاند. از جمله معروفترین رویکردهای خوشهبندی، روشهای تقسیمبندی، روشهای سلسله مراتبی، روشهای مبتنی بر تراکم و نظایر آن میباشند. این رویکردها و الگوریتمهای مربوط به آنها هر کدام دارای مزیتها و معایب خاص خودشان هستند. یک انتخاب موثر میتواند ترکیب دو یا چند از این الگوریتمها برای حل مساله خوشهبندی باشد. به نحوی که ضمن این ترکیب معایب الگوریتمها پوشانده شود و مزیتهایشان نیز از بین نرود. در این مقاله ضمن بررسی چند نمونه از الگوریتمهای اخیر، ترکیب دو الگوریتم DBSCAN و سلسله مراتبی تجمیعی به عنوان روش پیشنهادی مطرح میشود. در انتها برای آزمایش این الگوریتم ترکیبی جدید از دادههای واقعی موجود در پایگاه داده UCI استفاده شد. نتایج نشان میدهد که الگوریتم ترکیبی جدید کارایی بیشتر و دقیقتر و سرعت مناسبینسبت به روشهای قبلی دارد.

کلیدواژه ها:

خوشهبندی ترکیبی ، الگوریتم DBSCAN ، خوشه بندی سلسله مراتبی ، دادههای با ابعاد بالا