استخراج خوشه بندی ترکیبی برای استفاده مجدد دانش بر روی داده وای پزشکی

خوشه بندی ترکیبی اقدام به یافتن نتایج پایدار و محکم ازطریق خوشه های محاسبه شده حاصل ازالگوریتم های خوشه بندی پایه بدون دسترسی به ویژگی ها یا الگوریتم هایی که این خوشه ها را تعیین می کنند می کند تنوع و پراکندگی خوشه بندی ها یک فاکتور مهم برای بهبود کارایی خوشه بندی ترکیبی می باشد این مقاله روشی بااستفاده ازرویکرد جدیدی به نام استخراج خوشه بندی ترکیبی به عنوان چارچوب استفاده مجدد ازدانش برای ایجادیک تنوع و پراکندگی جدید بدون دسترسی به داده های خام بااستفاده ازتعداد کمی ازخوشه بندی های اصلی پیشنهاد می کند اینرویکرد مجموعه جدیدی ازخوشه بندی ها راازخوشه بندی های موجود فراهم می آورد که گوناگونی و اندازه بیشتری د رمقایسه با خوشه بندی های اصلی دارد جهت ارزیابی عملکرد روش پیشنهادی ازمایشات متعددی برمجموعه داده های پزشکی انجام گرفته و نتایج آن باروشهای دیگر مقایسه گردیده است نتایج مقایسه نشان میدهند که روش پیشنهادی کارایی و دقت بالاتری را به نسبت روش موردمقایسه بدست آورده است

کلیدواژه ها:

خوشه بندی ترکیبی ، انتخاب خوشه بندی ترکیبی ، داده های پزشکی ، استخراج خوشه بندی ترکیبی ، استفاده مجدد ازدانش