Soft subspace clustering of categorical data with probabilistic distance

خوشه بندی داده های دسته ای موضوع مهم در شناخت الگو است. در حال حاضر خوشهبندی زیرمجموعههای اطلاعات قطعی به دلیل مشکلات موجود در برآورد جالب بودن ویژگیها با توجه به آمار دستهها در خوشهها، یک مشکل باز است. در این مقاله، یک الگوریتم جدید برای خوشه بندی داده های طبقه بندی شده با یک طرح جدید انتخاب ویژگی های نرم افزاری پیشنهاد شده است که هر کدام از ویژگی های قطعی به طور خودکار یک وزن را تعیین می کنند که با پراکندگی صاف دسته ها در یک خوشه مرتبط است. در الگوریتم پیشنهادی، عدم همبستگی بین اشیاء داده های طبقه بندی شده با استفاده از تابع فاصله ای احتمالاتی، بر اساس تخمین تراکم هسته برای ویژگی های قطعی اندازه گیری می شود. ما همچنین از فاصله احتمالی استفاده می کنیم تا تعریف یک شاخص اعتبار خوشه ای برای برآورد تعداد خوشه های دسته ای باشد. مناسب بودن این پیشنهاد در یک مطالعه تجربی با برخی از داده های به کار رفته در دنیای واقعی و مجموعه داده های مصنوعی انجام شده است، و نتایج نشان می دهد عملکرد برجسته آن است.