ارائه یک نسخه بهبود یافته از الگوریتم K-means بر مبنای الگوکاوی

خوشه بندی یکی از مهم ترین مباحث در زمینه ی داده کاوی است. هدف از خوشه بندی تفکیک داده ها است به گونه ای که داده های موجود در یک خوشه بیشترین شباهت را به یکدیگر و کمترین شباهت را با اعضای خوشه های دیگر داشته باشند. یکی از مهم ترینالگوریتم های خوشه بندی الگورریتم means-K می باشد. در این الگوریتم ابتدا به تعداد خوشه ها به صورت تصادفی از داده های اصلی مراکز خوشه اولیه انتخاب می شوند و سپس عمیات یافتن خوشه ها اجرا می شود. چالش اصلی در means-K انتخاب مراکز خوشه ها به صورت بهینه است. درگذشته پژوهش های متعددی در زمینه انتخاب مراکز اولیه خوشه ها در الگروریتم means-K صرورت گرفته است. در این مقاله برای نخستین بار روش جدیدی برای انتخاب مراکز خوشه ها مبتنی بر الگوکاوی ارائه می شود. در این روش ابتدا برای کاهش حجم داده ها، انتخاب ویژگی روی داده ها اعمال می شود؛ سپس الگوهای پرتکرار استخراج و برپایه ی این الگوها مراکزاولیه خوشه ها مشخص می شود. روش پیشنهادی با روش پایه means-K و با روش جدید BDD برر روی ۵ مجموعه داده با ابعاد گوناگون ارزیابی می شود. نتایج به دست آمده نشان می دهد در اغلب موارد، روش پیشنهادی عملکرد بهتری دارد