خوشه بندي گروهي نيمه نظارت شده با استفاده از برچسب گذاري مجدد

خوشه بندي گروهي به عنوان يك بسط مهم از مشكلات خوشه بندي كلاسيك پديد آمده و و يكي از جديدترين پيشرفت ها در آموزش بدون نظارت است. هدف آن تركيب نتايج بدست آمده با استفاده از الگوريتم هاي مختلف يا از اجراهاي مختلف يك الگوريتم براي يك مجموعه داده مشخص مي باشد و اين براي پيدا كردن يك واحد اجماع كه از بعضي جهات از خوشه هاي موجود بهتر است روش مطلوبي است . در اين پژوهش ما يك چارچوب خوشه بندي نيمه نطارت شده با استفاده از برچسب گذاري مجدد را پيشنهاد ميكنيم كه با تركيب خوشه بندي گروهي و الگوريتم هاي خوشه بندي نيمه نظارت شده به منظور بهبود دقت نتايج خوشه بندي تلاش ميكند اين الگوريتم از لحاظ محاسباتي بسيار كارآمد و با پيچيدگي خطي براي اندازه داده است كه در واقع ميتوان ميزان دقت و پيشرفت در خوشه نتايج را با شيوه پيشنهادي ما افزايش داد . نتايج تجربي اثر بخشي روش پيشنهادي ما را نشان ميدهد .