ارایه یک روش بهبود یافته Kernel K means با روش Min-Max

مینیمم کردن مجموعه واریانس داخل خوشهای، یکی از محبوبترین روشهای خوشه بندی است. از این رو به دلیل انتخاب نادرست نقاط مرکزی، بهینه سازی محلی ضعیف و ... میتواند از محبوبیت آن بکاهد. این روش بهبودی برای روش K means است که در آن سعی شده است مشکل انتخاب نقاط مرکزی با استفاده از روش Min-Max Kernel K means حل شود. الگوریتم اریه شده، برایمتعادل کردن واریانس بین خوشهها وزنی را به خوشهها با توجه به واریانس آنها اختصاص میدهد. این الگوریتم روش جدیدی برای وزن دهی خوشهها ارایه میکند. وزنها در هر تکرار با توجه به تخصیصاتی که انجام شده است، آپدیت میشوند. هدف از وزن دهی بهخوشهها جلوگیری از به وجود آمدن خوشههایی با واریانس بالاست. در الگوریتم ارایه شده از الگوریتم Kernel K means استفاده شده است. دلیل این کار، مناسب بودن این روش برای خوشه بندی غیر خطی است. آزمایشات گسترده بر روی چندین دیتاست و مقایسه روش اریه شده با روشهای دیگر نشان میدهد که الگوریتم ارایه شده به انتخاب نقاط اولیه مناسب حساس نیست و حتی با انتخاب نقاط اولیه نامناسب نیز کارایی بهتری نسبت به دیگر روشهای مقایسه شده دارد