استفاده از الگوریتم آبکاری فلزات برای بهبود اجماع خوشه بندی

خوشه بندی داده ها یکی از وظایف اصلی داده کاوی است که وظیفه کاوش الگوهای پنهان در داده های بدون برچسب را بر عهده دارد. به خاطر پیچیدگی مسیله و ضعف روش های خوشه بندی پایه، امروزه اکثر مطالعات به سمت روش های اجماع خوشه بندی هدایت شده است. اگر چه برای بیشتر مجموعه داده ها، الگوریتم های خوشه بندی منفردی وجود دارد که نتایج قابل قبولی به دست می دهند، اما توانایی یک الگوریتم خوشه بندی منفرد محدود است. در واقع هدف اصلی اجماع خوشه بندی جستجوی نتایج بهتر و پایدارتر، با استفاده از ترکیب اطلاعات و نتایج حاصل از چندین خوشه بندی اولیه است. در این مقاله، روشی مبتنی بر اجماع خوشه بندی پیشنهاد خواهد شد که مانند بیشتر روش های انباشت شواهد دارای دو گام است: 1- ساختن ماتریس مشارکت همزمان و 2- تعیین افراز های نهایی از ماتریس مشارکت پیشنهادی. در روش پیشنهادی، برای ساخت ماتریس مشارکت همزمان، علاوه بر هم خوشه بودن نمونه ها از بعضی اطلاعات دیگر هم استفاده خواهد شد. این اطلاعات می توانند مربوط به میزان شباهت نمونه ها، اندازه خوشه های اولیه، میزان پایداری خوشه های اولیه و غیره باشد. در این مقاله مسیله خوشه بندی به صورت یک مسیله بهینه سازی صریح توسط مدل آمیخته گوسی تعریف می شود و که با استفاده از الگوریتم آبکاری فلزات حل می شود. همچنین روشی تکاملی مبتنی بر آبکاری فلزات برای تعیین افراز نهایی از ماتریس مشارکت همزمان پیشنهادی ارایه خواهد شد. مهم ترین بخش روش تکاملی، تعیین تابع هدفی است که تضمین کند افراز نهایی از کیفیت بالایی برخوردار خواهد بود. نتایج تجربی نشان می دهد روش پیشنهادی از نظر معیارهای مختلف ارزیابی کیفیت خوشه بندی از سایر روش های مشابه بهتر می باشد.