مقایسه زمان اجرای الگوریتم خوشه بندی کا-میانگین با سه معیار فاصله اقلیدسی، منهتن و چبیشف

در میان الگوریتم های خوشه بندی موجود، الگوریتم کا- میانگین به دلیل سادگی و موثر بودن به یکی از گسترده ترینتکنیک های مورد استفاده برای خوشه بندی داده ها تبدیل شده است. خوشه بندی فرایندی است که به گروه بندی دادههای مجموعه داده بر اساس میزان شباهت خصوصیات آن ها می پردازد که داده هایی با بیشترین میزان شباهت در خوشههای مشابه قرار می گیرند. در الگوریتم کا-میانگین برای تشخیص میزان شباهت بین داده ها از معیار ریاضی فاصلهاقلیدسی استفاده می شود که هر چه میزان فاصله اقلیدسی بین دو داده کمتر باشد آن ها به هم شبیه تر هستند وبرعکس. علاوه بر معیار فاصله اقلیدسی می توان از معیارهای فاصله ریاضی دیگری نیز به عنوان جایگزین فاصله اقلیدسیاستفاده کرد. که در این مقاله ما از دو معیار فاصله منهتن و چبیشف در الگوریتم کا-میانگین استفاده کردیم و سپس بهمقایسه نتیجه خوشه بندی این الگوریتم از نظر زمان اجرا با سه معیار فاصله متفاوت، اقلیدسی، منهتن و چبیشفپرداختیم. نتایج اجرا نشان می دهد که استفاده از معیارهای فاصله متفاوت در الگوریتم کا-میانگین می تواند بر کارایی آناثر بگذارد.

Keywords:

الگوریتم کا-میانگین , فاصله اقلیدسی , فاصله منهتن , فاصله چبیشف , زمان اجرا , دقت خوشه بندی