روشي جديد جهت تعيين تعداد خوشه هاي بهينه در الگوريتم هاي خوشه بندي افرازي

روشي جديد جهت تعيين تعداد خوشه هاي بهينه در الگوريتم هاي خوشه بندي افرازي

جواد عارف نیا1 محمد امین شایگان2

1) دانشجوی کارشناسی ارشد کامپیوتر گرایش نرم افزار، دانشگاه آزاد اسلامی واحد شیراز،ایران
2) استادیار گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد شیراز،ایران

کد IOI مقاله : XAEC-CZHZC
محل انتشار : کنفرانس ملی رهیافت های نو در مهندسی برق و کامپیوتر(munce.ir)
چکیده :
    خوشه بندی داده ها، روش یافتن ویژگی های مشابه از میان حجم انبوه داده ها و دسته بندی آن ها به گروه هایی است که هر یک از این گروه ها، خوشه نامیده می شوند. از آنجایی که عوامل مختلفی همچون نویز و تعداد ابعاد داده ها بر روی نتیجه الگوریتم های مختلف خوشه بندی اثر گذارند، لذا این الگوریتم ها نتایج مختلفی تولید می کنند. با توجه به اینکه کیفیت خوشه بندی و صحت خوشه های استخراج شده، بسیار حائز اهمیت است، لذا معیارهایی جهت اعتبارسنجی عملیات خوشه بندی ابداع شده اند. شاخص های اعتبارسنجی خوشه بندی با توجه به اطلاعات مورد استفاده جهت تعیین کیفیت خوشه بندی، به دو دسته داخلی و خارجی تقسیم میشوند. در این تحقیق سه شاخص ارزیابی استاندارد داخلی کیفیت خوشه بندی Silhouette ،Davies-Bouldinو ،Gapمورد بررسی قرار گرفته اند. تلاش این پژوهش بر آن بوده است تا شاخص اعتبارسنجی داخلی جدیدی پیشنهاد شود به طوری که با استفاده از الگوریتم خوشه بندی افرازی -K Meansو در مقایسه با دیگر شاخص های معرفی شده، بر روی مجموعه داده های استاندارد مورد بررسی، بهتر عمل نماید. شاخص معرفی شده در تحقیق حاضر، Compression And Separation) CAS) نام دارد. عملکرد شاخص CAS برای تشخیص تعداد صحیح خوشه ها نسبت به شاخص Davies-Bouldin به میزان %16/16، نسبت به شاخص Silhouette به مقدار %60/60 و نسبت به شاخص Gap به میزان %45/45 بهتر عمل نموده است. نهایتاً میتوان نتیجه گرفت که شاخص CAS با بیشترین تشخیص صحیح تعداد خوشه ها، نسبت به سه شاخص استاندارد دیگر مناسبترین عملکرد را بر روی مجموعه داده های استاندارد دارد.

کلمات کلیدی : خوشه بندی اعتبارسنجی خوشهcas davies bouldin silhouette gap