الگوریتم خوشه بندی مبتنی بر تراکم سریع

مساله خوشه بندی یک مساله یادگیری نظارت نشده است و روشی است که اشیاء داده را به خوشه های متناسب تقسیم بندی می کند. اشیاء داده در یک خوشه کاملا شبیه به یکدیگر و متفاوت با خوشه های دیگر هستند. الگوریتم های سنتی جدیدترین الزامات همزمان برای اشیاء را ندارند. الگوریتم های خوشه بندی مبتنی بر تراکم، خوشه ها را براساس تراکم نقاط داده در یک منطقه پیدا می کنند. الگوریتم DBSCAN یکی از الگوریتمهای خوشه بندی مبتنی بر تراکم است. ما روش جدیدی برای تولید پارامترهای اتوماتیک طراحی کردیم که خوشه هایی با تراکم های مختلف ایجاد می کند و خوشه هایی با شکل اختیاری تولید می کند. درخت kd برای افزایش کارایی حافظه استفاده می شود. عملکرد الگوریتم پیشنهادی با DBSCAN مقایسه می شود. نتایج تجربی برتری الگوریتم های پیشنهادی را نشان می دهند

Keywords:

الگوریتم های خوشه بندی , درخت kd , الگوریتم مبتنی بر تراکم