La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

A New Clustering Validity Index for Cluster Analysis Based on a Two-Level SOM Un nouvel indice de validité de clustering pour l'analyse de cluster basé sur un SOM à deux niveaux

Shu-Ling SHIEH, I-En LIAO

  • Vues en texte intégral

    0

  • Citer

Résumé:

Self-Organizing Map (SOM) est un outil puissant pour l’exploration des méthodes de clustering. Le clustering est la tâche la plus importante dans l'apprentissage non supervisé et la validité du clustering est un problème majeur dans l'analyse cluster. Dans cet article, un nouvel indice de validité de clustering est proposé pour générer le résultat de clustering d'un SOM à deux niveaux. Ceci est effectué en utilisant le taux de séparation inter-cluster, la densité relative de l’inter-cluster et le taux de cohésion intra-cluster. L'indice de validité du clustering est proposé pour trouver le nombre optimal de clusters et déterminer quels deux clusters voisins peuvent être fusionnés dans un clustering hiérarchique d'un SOM à deux niveaux. Les expériences montrent que l'algorithme proposé est capable de regrouper les données avec plus de précision que les algorithmes de clustering classiques basés sur un SOM à deux niveaux et qu'il est mieux à même de trouver un nombre optimal de clusters en maximisant l'indice de validité du clustering.

Publication
IEICE TRANSACTIONS on Information Vol.E92-D No.9 pp.1668-1674
Date de publication
2009/09/01
Publicisé
ISSN en ligne
1745-1361
DOI
10.1587/transinf.E92.D.1668
Type de manuscrit
PAPER
Catégories
Data Mining

Auteurs

Mots-clés

Table des matières