Constrained clustering by constraint programming

خوشه بندی محصور اجازه می دهد تا کارکرد خوشه بندی را با ادغام محدودیت های کاربر دقیق تر، که می تواند محدودیت سطح نمونه یا سطح خوشه ای باشد. اندک کارها ادغام انواع محدودیت ها را در نظر می گیرند، معمولا براساس چارچوب های اعلامیه ای هستند و اغلب روش های دقیق هستند که یا تمام راه حل هایی را که با محدودیت های کاربر منطبق می شوند را فهرست می کنند یا وقتی یک معیار بهینه سازی مشخص می شود بهینه مطلوب پیدا می شود. در یک کار قبلی، ما یک مدل برای خوشه بند محدود را بر اساس چارچوب برنامه ریزی محدودیت پیشنهاد کرده ایم. این اعلامیه است، به کاربر اجازه می دهد که محدودیت های کاربر را به هم متصل کند و یک معیار بهینه سازی را در میان چندین مورد انتخاب کند. در این مقاله ما یک مدل جدید و به طور قابل توجهی بهبود یافته برای خوشه بندی محدود، هنوز بر اساس چارچوب برنامه ریزی محدودیت ارائه شده است. این از مدل قبلی ما متفاوت است به نحوی که پارتیشن ها با استفاده از متغیرها و محدودیت ها نمایش داده می شوند. این نیز انعطاف پذیر تر است زیرا تعدادی از خوشه ها لازم نیست قبل از آن تعیین شود؛ تنها تعداد کمتری از مقادیر کمتری از خوشه ها باید ارائه شود. برای ایجاد رویکرد مبتنی بر مدل کارآمدتر، ما محدودیتهای بهینه سازی جهانی جدید با الگوریتمهای اختصاصی فیلتر را پیشنهاد می کنیم. ما نشان می دهیم که چنین چارچوبی می تواند به راحتی در یک فرایند کلی تر تعبیه شود و ما این را در مورد پیدا کردن جبهه بهینه پارتو از کارکردهای خوشه بند محدود دو معیار نشان می دهیم. ما رویکرد ما را با رویکردهای دقیق موجود مقایسه می کنیم که براساس یک رویکرد شاخه ای و یا بر روی رنگ آمیزی گراف در دوازده مجموعه داده ها است. آزمایشات نشان می دهد که مدل در اغلب موارد رویکردهای دقیق را بهتر می کند.