یک روش جدید برای خوشه بندی داده های باینری مبتنی بر چگالی داده ها

خوشه بندی داده های باینری کاربردهای زیادی در تجزیه و تحلیل خطای ماشین آلات، طبقه بندی اسناد، آنالیز و بازیابی تصویر، تشخیص پزشکی بیماری ها و غیره دارد. خوشه بندی صحیح پایگاه داده های باینری کمک های متعددی به منظور توسعه دقیق طرح ها از سیستم های فوق را فراهم می سازد. در این تحقیق یک چگالی مبتنی بر الگوریتم خوشه بندی برای دسته بندی مجموعه داده های باینری به صورت موثر پیشنهاد شده است. الگوریتم پیشنهادی تعداد خوشه ها را به صورت خودکار بر اساس چگالی داده های موجود در یک ناحیه تعیین می کند. تعداد خوشه ها در طی فرایند خوشه بندی با توجه به ادغام چندین خوشه کوچک تر تکامل می یابد. مطالعات شبیه سازی بر روی دو مجموعه داده های مصنوعی انجام شده است و الگوریتم پیشنهادی نشان داده است که به طور موثر می تواند هر دو مجموعه داده تصادفی و همبسته را خوشه بندی کند.

کلیدواژه ها:

چگالی مبتنی بر خوشه بندی ، داده های باینری ، اندازه گیری شباهت ، ادغام خوشه ها