ارائه یک معیار شباهت تطبیقی مبتنی بر چگالی محلی بهبودیافته با استفاده از یک روش اندازه گیری فاصله جدید

خوشه بندی طیفی یک روش خوشه بندی مبتنی بر گراف برای خوشه بندی مجموعه‌داده است. این الگوریتم به علت سادگی در اجرا و عملکرد مطلوب در خوشه بندی داده های غیرمحدب، در سال های اخیر بسیار مورد توجه قرار گرفته است. مطالعات نشان می دهد که انتخاب یک معیار شباهت خوب در عملکرد خوشه بندی طیفی بسیار تاثیرگذار است. در این مقاله، یک معیار شباهت تطبیقی مبتنی بر چگالی محلی با روش اندازه گیری فاصله مبتنی بر اهمیت، برای خوشه بندی مجموعه‌داده‌هایی که در آن ها خوشه ها به خوبی از هم دیگر تفکیک نشده اند پیشنهاد داده شده است. در این الگوریتم روشی برای اندازه گیری اهمیت نمونه ها پیشنهاد می شود، سپس به کمک آن یک روش اندازه-گیری فاصله جدید ارائه می شود. نتایج ارزیابی نشان می‌دهد که الگوریتم پیشنهادی ما در بسیاری از موارد از الگوریتم خوشه‌بندی طیفی سنتی، الگوریتم خوشه‌بندی طیفی خودتنظیم و الگوریتم خوشه بندی تطبیقی مبتنی بر چگالی محلی معمولی، بهتر عمل می‌کند.