خوشه بندی ترکیبی بر پایه انباشت شواهد احتمالی تکاملی

الگوریتم های خوشه بندی منفرد نتایج با کیفیتی ارایه میکنند، اما توانایی یک الگوریتم خوشه بندی منفرد محدود است. در مقابل، روشهای ترکیبی این امکان را فراهم میکنند که در برخی موارد خوشه بندی با کیفیت بالاتری در مقایسه با هر الگوریتم منفرد ی انجام شود. در خوشه بندی ترکیبی، نتایج چند خوشه بندی با یکدیگر ترکیب شده و برآیند آنها افرازهای جدیدی تولید میکند که درک بهتر از الگوها فراهم می شود. در این مقاله، یک روش جدید برای خوشهبندی ترکیبی احتمالی پیشنهاد شده است. روش پیشنهادی از یک روش احتمالی برای بازنمایی مساله خوشه بندی استفاده می کند. این روش برای هر نمونه یک توزیع احتمال تعلق به خوشه ها در نظر می گیرد. سپس، تابع هدفی انتخاب میشود تا مساله خوشه بندی به صورت یک مساله بهینه سازی تعریف شود. در ادامه، از یک ابزار بهینه سازی به نام تابکاری شبیه سازی شده برای حل مساله استفاده شده است. برای استفاده از تابکاری شبیه سازی شده دو روش جهت تعیین حالت اولیه و تعیین حالت پسین پیشنهاد شده است که پارامترهای قابل تنظیمی را شامل شده است. در آزمایش های تجربی انجام شده، روش پیشنهادی با چهار روش خوشهبندی منفرد و دو روش خوشه بندی ترکیبی مقایسه شده است. نتایج تجربی نشان داده است که روش پیشنهادی، عموما افرازبندی های با کیفیت تری نسبت به سایر روش ها تولید کرده است. همچنین، بخشی از نتایج تجربی نشان داده است که روش پیشنهادی بهتر از سایر روش ها قادر به شناسایی خوشه هایی با توز یع نرمال است.

کلیدواژه ها:

خوشه بندی ترکیبی ، انباشت شواهد ، تاب کاری شبیه سازی شده ، توزیع احتمال ، ماتریس همبستگی.