Abstrato

NOVA TÉCNICA DE INICIALIZAÇÃO PARA CLUSTERING K-MEANS UTILIZANDO PROTÓTIPO DE RESTRIÇÃO ESPECTRAL

A Sra. S. Sujatha e Sra. A. Shanthi Sona

Resumo---O clustering é uma técnica geral utilizada para classificar coleções de dados em grupos de objetos relacionados. Uma das técnicas de clustering mais utilizadas na prática é o clustering K-Means. A principal limitação do K-Means é a sua técnica de arranque. Várias tentativas foram feitas por muitos investigadores para resolver este problema específico, mas ainda não existe uma técnica eficaz disponível para um melhor arranque em K-Means. Em geral, o K-Means segue pontos de partida iniciais gerados aleatoriamente, o que resulta frequentemente em resultados de agrupamento insatisfatórios. Os melhores resultados de agrupamento da técnica K-Means podem ser obtidos após várias iterações. No entanto, é muito complicado decidir o limite de cálculo para obter melhores resultados. Neste artigo é proposta uma nova abordagem para uma melhor técnica de inicialização para K-Means usando Spectral Constraint Prototype (K-Means usando SCP). O método proposto incorpora restrições como vértices. Para incorporar as restrições como vértices, é utilizada a abordagem SCP. A abordagem proposta é testada no repositório de aprendizagem automática UCI. A inicialização proposta proporciona uma melhor precisão de cluster com um tempo de execução mais curto.