خوشه‌بندي با الگوريتم k- ميانگين لاينكس هوشمند

Clustering with Intelligent Linexk-Means

خوشه‌بندي k- ميانگين لاينكس هوشمند يك تعميم از خوشه‌بندي k- ميانگين است كه در آن تعداد خوشه‌‌ها و مراكز مربوطه را مي‌توان مشخص كرد در حالي كه تابع زيان لاينكس به‌عنوان معيار عدم‌تشابه در نظر گرفته مي‌شود. بنابراين انتخاب مراكز در هر خوشه تصادفي نيست. انتخاب معيار عدم‌تشابه لاينكس به پژوهش‌گر كمك مي‌كند تا مراكز را در صورت نياز بيش برآورد يا كم برآورد نمايد كه سبب مي‌شود برخي مشاهدات به خوشه‌اي خاص هدايت شوند. در اين پژوهش، كاركرد الگوريتم ياد شده بر برخي پايگاه داده‌هاي واقعي و شبيه‌سازي‌ شده بررسي مي‌شود و نتايج با توجه به برخي معيارهاي دروني و بيروني ارزيابي مي‌شود.

The intelligent LINEX k-means clustering is a generalization of the k-means clustering so that the number of clusters and their related centroid can be determined while the LINEX loss function is considered as the dissimilarity measure. Therefore, the selection of the centers in each cluster is not randomly. Choosing the LINEX dissimilarity measure helps the researcher to overestimate or underestimate the centers which helps to assign some entities into a special cluster. We check the performance of the algorithm on some real and artificial datasets and evaluate the results according to some internal and external indexes.