انتخاب خوشه‌هاي اوليه به كمك الگوريتم هاي هوشمند براي مشاركت در خوشه‌بندي تركيبي

Using a Subset of Primary Clusters to Construct a Consensus Partitioning

به علت بدون ناظر بودن مسيله خوشه‌بندي انتخاب الگوريتمي خاص جهت خوشه‌بندي يك مجموعه ناشناس امري پر خطر و معمولا شكست خورده مي‌باشد. به خاطر پيچيدگي مسيله و ضعف روش‌هاي خوشه‌بندي پايه، امروزه اكثر مطالعات به سمت روش‌هاي خوشه‌بندي تركيبي هدايت شده است. پراكندگي در نتايج اوليه يكي از مهم‌ترين عواملي است كه مي‌تواند در كيفيت نتايج نهايي اثرگذار باشد. همچنين، كيفيت نتايج اوليه نيز عامل ديگري است كه در كيفيت نتايج حاصل از تركيب موثر است. هر دو عامل در تحقيقات اخير خوشه‌بندي تركيبي مورد توجه قرار گرفته‌اند. در اينجا يك چارچوب براي بهبود كارايي خوشه‌بندي پيشنهاد شده است كه مبتني بر استفاده از زيرمجموعه‌اي از خوشه‌هاي اوليه مي‌باشند. انتخاب اين زيرمجموعه نقش حياتي در كارايي مجمع دارد. اين انتخاب به كمك دو روش هوشمند انجام مي گيرد. ايده‌هاي اصلي در روش‌هاي پيشنهادي براي انتخاب زيرمجموعه‌اي از خوشه‌ها، استفاده از خوشه‌هاي پايدار با الگوريتم هاي جستجوي هوشمند مي‌باشند. براي ارزيابي خوشه‌ها، از معيار پايداري مبتني بر اطلاعات متقابل استفاده شده است. در آخر نيز خوشه هاي انتخاب شده را به كمك چندين روش تركيب نهايي با هم جمع مي كنيم. نتايج تجربي روي چندين مجموعه داده استاندارد نشان مي‌دهد كه روش‌هاي پيشنهادي مي‌توانند به طور موثري همچنين روش تركيب كامل را بهبود دهند.

Most of the recent studies have tried to create diversity in primary results and then applied a consensus function over all the obtained results to combine the weak partitions. In this paper a clustering ensemble method is proposed which is based on a subset of primary clusters. The main idea behind this method is using more stable clusters in the ensemble. The stability is applied as a goodness measure of the clusters. The clusters which satisfy a threshold of this measure are selected to participate in the ensemble. For combining the chosen clusters, a co-association based consensus function is applied. A new EAC based method which is called Extended Evidence Accumulation Clustering, EEAC, is proposed for constructing the Co-association Matrix from the subset of clusters. The proposed method is evaluated on five different UCI repository data sets. The empirical studies show the significant improvement of the proposed method in comparison with other ones.