خوشه‌بندي تركيبي مبتني بر زيرمجموعه‌اي از خوشه‌هاي اوّليه

Cluster Ensemble Based on a Subset of Primary Clusters

اكثر مطالعات اخير در حوزه خوشه‌بندي تركيبي سعي مي‌كنند ابتدا خوشه‌بندي‌هاي اوّليه‌اي توليد كنند كه تا حدّ ممكن داراي پراكندگي باشند، سپس با اعمال يك تابع توافقي همه اين نتايج را با هم تركيب مي‌كنند. در اين مقاله يك روش جديد خوشه‌بندي تركيبي ارايه شده است كه در آن به جاي استفاده از تمام نتايج اوليه، تنها از زيرمجموعه‌اي از خوشه‌هاي اوليه استفاده مي‌شود. ايده اصلي در اين روش استفاده از خوشه‌هاي پايدار در تركيب نهايي است. براي تركيب خوشه‌هاي انتخابي، از تابع توافقي مبتني بر ماتريس همبستگي استفاده شده است. از آن جايي كه ساخت ماتريس همبستگي با در دسترس بودن تنها تعدادي از خوشه‌ها، با روش‌هاي موجود امكان‌پذير نمي‌باشد، در اين مقاله يك روش جديد به نام خوشه‌بندي انباشت مدارك توسعه يافته، براي ساخت ماتريس همبستگي از زيرمجموعه‌اي از خوشه‌ها پيشنهاد شده است. براي ارزيابي خوشه‌ها، از پايداري مبتني بر اطّلاعات متقابل استفاده شده است. نتايج تجربي روي چندين مجموعه داده استاندارد نشان مي‌دهد كه روش پيشنهادي به طور موثّري نتايج خوشه‌بندي‌هاي اوليه را بهبود مي‌دهد. هم چنين، مقايسه نتايج در مقايسه با ساير روش‌هاي خوشه‌بندي تركيبي، نشان از كارآيي بالاي روش پيشنهادي دارد.

Abstract Most of the recent studies have tried to crcatc 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 dusters in the ensemble. The stability is applied as a goodness measure of the clusters. The clusters which satisfy a threshold of this measure arc 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 dusters. 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.