خوشه بندی داده ها بر پایه شناسایی کلید

خوشه بندی یکی از عناصر اصلی سازنده در بینایی رایانه و یادگیری ماشین است. چالش اصلی، یافتن راهی مناسب برای پیدا کردن زیر مجموعه ای از نمونه های شاخص و ساختارهای خوشه ایمرتبط با آنها، با درنظر گرفتن یک معیار فاصله دوبه دو، است. در این مقاله شیوه ای جدید برای خوشه بندی پیشنهاد می شود که به صورت تکرار شونده، عناصر کلیدی یک مجموعه داده ای را بر پایه یک تابع هدف مناسب، پیدا می کند. آزمایش های تجربی متعدد بیان گر برتری روش پیشنهاد شده نسبت به روش های موجود، هم از نظر بهینگی و هم از نظر موثر بودن، است. علاوه بر این، روش پیشنهادی برای خوشه بندی داده های با مقیاس بالا توسعه داده می شود؛ به صورتی که میلیون ها داده را در چند ثانیه می توان پردازش کرد.