مروری بر الگوریتم های خوشه‌بندی ترکیبی

به علت بدون ناظر بودن مسئله خوشه‌بندی، انتخاب یک الگوریتم خاص جهت خوشه‌بندی یک مجموعه ناشناس امری پر خطر و معمولا شکست خورده می‌باشد. به خاطر پیچیدگی مسئله و ضعف روش‌های خوشه‌بندی پایه، امروزه اکثر مطالعات به سمت روش‌های خوشه‌بندی ترکیبی هدایت شده است. در خوشه‌بندی ترکیبی ابتدا چندین خوشه‌بندی پایه تولید می‌شود و سپس برای تجمیع آن‌ها، از یک تابع توافقی جهت ایجاد یک خوشه‌بندی نهایی استفاده می‌شود که حداکثر شباهت را به خوشه بندی های پایه داشته باشد. خوشه‌بندی توافقی تولید شده باید با استفاده از بیشترین اجماع و توافق به‌دست آمده باشد. ورودی تابع مذکور همه خوشه‌بندی‌های پایه است و خروجی آن یک خوشه‌بندی به‌نام خوشه‌بندی توافقی است. در حقیقت روش‌های خوشه‌بندی ترکیبی با این شعار که ترکیب چندین مدل ضعیف بهتر از یک مدل قوی است به میدان آمده‌اند. با این‌وجود، این ادعا درصورتی درست است که برخی شرایط همانند، تنوع بین اعضای موجود در اجماع و کیفیت آن‌ها رعایت شده باشند. این مقاله مروری بر روش خوشه‌بندی ترکیبی ارائه شده خواهیم داشت و سپس نتایج بررسی‌ها ارائه خواهد شد.