سهیلا اشک زری طوسی - گروه کامپیوتر،دانشگاه فردوسی مشهد
هادی صدوقی یزدی - گروه کامپیوتر،دانشگاه فردوسی مشهد

روشهای کلاسیک خوشه بندی دربرخورد با خوشه های نامحدب کارایی لازم را ندارند و عموما منجر به نتایج ضعیفی می شوند در این حالت خوشه بندی طیفی روشی قدرتمند برای دسته بندی داده ها محسوب میش ود این تکنیک با تبدیل فضای ورودی فضای جدیدی با قابلیت توصیف مناسب تر از داده ها را در اختیار ما قرار میدهد دراین مقاله فضایی جدید برای خوشه بندی طیفی معرفی می شود که مبتنی بر توصیف زیرخوشه های موجود در مجموعه داده می باشد این فضا در برابر داده های نویزی مقاوم است و درمقایسه با روش NJW به عنوان یکی از پرکاربردترین الگوریتمهای خوشه بندی طیفی منجر به نتایجی به مراتب موفقیت آمیزتر می شود.

تبدیل فضا،خوشه بندی طیفی،توصیف زیر خوشه،داده نویزی