كاهش بعد داده ها ضمن حفظ خوشه هاي داده

در اين مقاله، با توجه به موفقيت روش­ هاي خوشه­ بندي مبتني بر k-means، يك روش كاهش ويژگي بر پايه k-means وزن دار ارائه مي­ شود. در روش پيشنهادي، نخست با استفاده از روش k-means وزن دار، به ويژگي­هاي داده ­ها وزن داده مي­شود. ويژگي­هاي وزين تر ضرورتا ويژگي­ هاي مهمتر نيستند و وزن هر ويژگي، تنها بازه هر ويژگي را به نحوي تغيير مي­دهد كه خوشه ­بندي بهتري صورت بگيرد. لذا، سپس با استفاده از يك مدل رياضي جديد، كسري از ويژگي­هاي وزندار شده داده­هاي هر خوشه انتخاب مي­شود به نحوي كه كمترين تغيير در خوشه ها حاصل شود. تعداد ويژگي­هاي منتخب هر خوشه در روش پيشنهادي، برخلاف روش­ هاي مشابهي چون k-means تنك و fuzzy c-means تنك بصورت صريح تعيين مي ­شود. درضمن، آزمايش­هاي تجربي روي چهار مجموعه داده واقعي نشان مي­دهد كه روش پيشنهادي، از دقت بيشتري نسبت به روش ­هاي L1PCA, LLE و روش K-means تُنُك برخوردار است.