مقایسه یک الگوریتم خوشه بندی فازی برای چارچوب جستجوی مدل با سایر الگوریتم های خوشه بندی

در این مقاله الگوریتم خوشه بندی جدید فازی برای چارچوب جستجوی حالت پیشنهاد شده است. با توجه به یک مجموعه داده در Rd، مناطق چگالی بالا را تعریف می کند که آن را هسته های خوشهای مینامیم. گام تصادفی بر روی یک گراف همسایگی که در بالای نقاط داده ما ساخته شده است را در نظر میگیرد که برای جذب شدن توسط مناطق چگالی بالا طراحی شدهاست . قدرت این جاذبه با پارامتر دما بتا0 > کنترل می شود. بنابراین عضویت یک نقطه به یک خوشه معین، احتمال میرود که گام تصادفی به هسته خوشه متناظر قبل از هر یک از دیگری برسد . در حالی که بسیاری از خصوصیات گردشهای تصادفی ( از قبیل ضربه زدن به زمان، فواصل و غیره) نشان داده شده است که در نهایت وقتی که تعداد نقاط داده رشد می کند، اطلاعات محلی (صرفا محلی) را رمزگذاری می کنند. نشان داده شده که تنظیم کننده که با استفاده از هسته های خوشه ای ایجاد میشود این مساله را حل میکند. همچنین نشان داده شده که چگونه انتخاب الگوریتم مذکور را تحت تاثیر قرار می دهد: برای مقادیر کوچک نتیجه نزدیک به حالت سخت است در حالی که وقتی نزدیک به 1 است نتیجه مشابه خروجی یک خوشه (فازی)است.

کلیدواژه ها:

داده کاوی ، خوشه بندی فازی ، الگوریتم ToMATo ، الگوریتم DBSCAN