Parameter independent clustering based on dominant sets and cluster merging

خوشه بندی یک رویکرد مهم یادگیری بدون نظارت با استفاده گسترده از داده کاوی، شناسایی الگو و پردازش اطلاعات هوشمند است. با این حال، الگوریتم های خوشه بندی موجود معمولا شامل یک یا چند پارامتر مشخص شده توسط کاربر به عنوان ورودی هستند و نتایج خوشه بندی آنها به شدت به این پارامترها بستگی دارد. به منظور حل این مشکل، ما یک الگوریتم خوشه بندی مستقل پارامتر را بر اساس الگوریتم مجموعه غالب و ادغام خوشه ای ارائه می دهیم. در مرحله اول، تحلیل تساوی هیستوگرام برای حل مسئله وابستگی پارامتری از الگوریتم مجموعه غالب اعمال می شود. ما مبانی نظری این روش را ارائه می دهیم و جزئیات اجرایی را مورد بحث قرار می دهیم. نتیجه خوشه بندی سپس با روش ادغام خوشه ای، که بر اساس یک معیار ارزیابی کیفیت خوشه بندی جدید است، تصحیح می شود. ما از آزمایشهای گسترده در چندین مجموعه داده برای اعتبارسنجی هر مرحله و کل روش الگوریتم استفاده می کنیم. نشان داده شده است که الگوریتم مستقل پارامتر ما با مقایسه با برخی از الگوریتم های خوشه ای موجود، که از پارامتر های مشخص شده توسط کاربر استفاده می کنند، انجام می شود.