یک روش خوشه بندی فازی مبتنی بر تراکم داده ها

خوشه بندی به عنوان یک فرآیند یادگیری بدون ناظر، می تواند دانش موجود در داده های بدون برچسب را کشف و مورد تحلیل و بررسی قرار دهد. اساس کار الگوریتم های خوشه بندی، گروه بندی داده ها به بخش هایی به نام خوشه است. این عملیات بر مبنای شباهت هایی که در ساختار داده ها وجود دارد انجام می شود. هدف الگوریتم های خوشه بندی انجام درست و صحیح این گروه بندی ها به منظور استخراج دانش دقیق تر از داده هاست. خوشه بندی مبتنی بر تراکم، یک دسته از انواع روش های موجود در خوشه بندی است. در این نوع خوشه بندی، خوشه ها براساس ناحیه های متراکم داده ها تشکیل می شوند. تعریف معیار فاصله و تراکم در این دسته از خوشه بندی ها تاثیر به سزایی در عملکرد خوشه بندی دارد. در این مقاله یک رویکرد جدید با کمک قوانین اگر-آنگاه فازی برای معیار تراکم و فاصله ارایه شده است. از این قوانین برای بهبود عملکرد الگوریتم خوشه بندی DBSCAN استفاده شده است. نتایج ارزیابی ها بیانگر کاهش خطا و افزایش دقت در خوشه بندی داده ها توسط روش پیشنهادی نسبت به سایر روش های دیگر خوشه بندی مشابه فازی می باشد.

Keywords:

خوشه بندی مبتنی بر تراکم , خوشه بندی فازی , الگوریتم DBSCAN