بهبود عملکرد الگوریتم fcm در خوشه بندی با استفاده از الگوریتم dbscan

الگوریتم cm f یکی از معروف ترین روش های خوشه بندی فازی است، اما cm f در مقابل داده هاینویزدار ضعیف عمل می کند و نمی تواند آن ها را به درستی تشخیص دهد و روند خوشه بندی با اشکال مواجه می شود. در مقابل الگوریتم dbscan که از روش های خوشه بندی مبتنی بر چگالی است در برابر نویز مقاوم است.همچنین این الگوریتم از این جهت مورد توجه است که برخلاف سایر الگوریتم های خوشه بندی مانند means − k ،medoid − k یا الگوریتم cm f که وابسته به تعداد خوشه می باشند و باید از قبل تعداد خوشه ها مشخص باشد،الگوریتم dbscan خود می تواند تعداد خوشه ها را مشخص کند و نیاز به اعلام تعداد خوشه ها از قبل ندارد.مزیت دیگر الگوریتم خوشه بندی dbscan این است که می تواند داده هایی با شکل های مختلف را خوشه بندیکند که الگوریتم های دیگر مانند means − k و menas − c − uzzy f قادر به انجام آن نمی باشند. در اینمقاله یک رویکرد ترکیبی برای خوشه بندی داده ها با استفاده از این دو الگوریتم پیشنهاد شده است.