مقایسه عملکرد الگوریتم‌های خوشه‌بندی متداول چگالی پایه با خوشه بندی مبتنی بر گراف در شناسایی آنومالی های ژئوشیمیایی منطقه کوه پنج

این مطالعه به بررسی مقایسه ای اثربخشی الگوریتم های خوشه بندی متداول چگالی پایه (k-means, k-medoids, dbscan, و خوشه‌بندی گراف ) در تحلیل داده های ژئوشیمیایی منطقه کوه پنج پرداخته شده است. یکی از اهداف به کارگیری روش ها ی خوشه بندی، شناسایی آنومالی‌های ژئوشیمیایی مرتبط با کانی‌سازی است. الگوریتم‌های k-means و k-medoids از جمله تکنیکهای خوشه‌بندی متداولی هستند که داده‌ها را بر اساس معیارهای فاصله یا شباهت به خوشه های مجزا تقسیم می‌کنند. پژوهش‌های قبلی نشان می دهد که در صورت وجود داده های نوفه‌دار و خوشه‌های نامنظم، کارائی این روشها به شدت کاهش می یابد. در مقابل، الگوریتم dbscan در شناسایی خوشه‌های با اشکال و تراکم‌های مختلف عملکرد قابل قبولی دارد و به همین دلیل برای خوشه بندی داده‌های ژئوشیمیایی که اغلب دارای نوفه و نقاط خارج از ردیف هستند، مناسبتر است. خوشه‌بندی گراف، به روابط بین نقاط داده تکیه می کند و امکان شناسایی ساختارهای پیچیده درون داده ها را فراهم می آورد. در این پژوهش، عملکرد هر الگوریتم با استفاده از معیارهایی مانند امتیاز سیلوئت و شاخص دیویس-بولدین ، از طریق ارزیابی کیفیت و پایداری خوشه‌ها مورد ارزیابی قرار گرفت. نتایج نشان داد که هرچند الگوریتم‌های k-means و k-medoids نتایج رضایتبخشی برای خوشه‌های به خوبی تعریف شده ارائه می‌دهند، اما الگوریتم dbscan و خوشه‌بندی گراف عملکرد برتری در حضور خوشه های پیچیده با اشکال نامنظم و نوفه در داده‌های ژئوشیمیایی نشان دادند. این مطالعه اهمیت انتخاب روش‌های خوشه‌بندی مناسب بر اساس ویژگی های داده ها در شناسایی مناطق با پتانسیل کانی‌سازی بالا در منطقه کوه پنج را به خوبی نشان داد.