Clustering based on grid and local density with priority-based expansion for multi-density data

خوشه بندی بر اساس شبکه و تراکم برای مجموعه داده های چند تراکمی نقش مهمی در کاوش داده ها دارد. در این کار، یک روش خوشه بندی که شامل یک استراتژی رتبه بندی شبکه ای بر اساس چگالی محلی و گسترش لنگر مبتنی بر اولویت است، پیشنهاد شده است. در روش پیشنهادی، سلول های شبکه به ترتیب با توجه به خواص شبکه محلی رتبه بندی می شوند بنابراین مجموعه داده به یک شبکه رتبه بندی تبدیل می شود. سپس یک شبکه تغییر تنظیم شده برای محاسبه تراکم سلول شبکه معرفی می شود. یک استراتژی توسعه سلولی که شبیه سازی رشد کلنی باکتریایی است، برای بهبود کامل بودن هر خوشه استفاده می شود. در نهایت یک روش سازگار برای رسیدگی به سلول های پر سر و صدا برای اطمینان از خوشه بندی دقیق مورد استفاده قرار می گیرد. دقت، حساسیت پارامترها و هزینه محاسبه الگوریتم پیشنهادی مورد تجزیه و تحلیل قرار گرفته است. سپس عملکرد الگوریتم پیشنهادی با سایر روش های خوشه بندی با استفاده از چهار مجموعه داده دو بعدی مقایسه می شود و کاربرد روش پیشنهادی در مجموعه داده های بزرگ بعدی، مورد بحث قرار می گیرد. نتایج تجربی نشان می دهد که الگوریتم پیشنهادی عملکرد خوب را از لحاظ دقت، توانایی حذف، استحکام (حساسیت پارامتر) و کارایی محاسباتی نشان می دهد. علاوه بر این، نتایج نشان می دهد که الگوریتم پیشنهادی می تواند به طور موثر مساله خوشه بندی چند چگالی برخورد کند.