Resumen

La mayoría de los métodos de clustering más populares suelen tener algunas suposiciones fuertes del conjunto de datos. Por ejemplo, el método k-means asume implícitamente que todos los clusters provienen de distribuciones gaussianas esféricas que tienen diferentes medias pero la misma covarianza. Sin embargo, cuando se trata de conjuntos de datos que tienen formas de distribución diversas o una alta dimensionalidad, estas suposiciones podrían dejar de ser válidas. Para superar esta debilidad, propusimos un nuevo algoritmo de agrupación denominado algoritmo de separación de solidez ambiental localizada (LASS), que utiliza un nuevo criterio de aislamiento denominado distancia al centroide. En comparación con otros criterios de aislamiento basados en la densidad, nuestro criterio de aislamiento de distancia centroide propuesto aborda el problema causado por la alta dimensionalidad y la densidad variable. El experimento en un conjunto de datos de referencia bidimensional diseñado muestra que nuestro algoritmo LASS propuesto no sólo hereda la ventaja del método de agrupación de incrementos de disimilitud original para separar los clústeres naturalmente aislados, sino que también puede identificar los clústeres que son adyacentes, que se solapan y que están bajo ruido de fondo. Por último, comparamos nuestro algoritmo LASS con el método de agrupación por incrementos de disimilitud en un conjunto de datos masivos de usuarios de ordenadores con más de dos millones de registros que contienen información demográfica y de comportamiento. Los resultados muestran que el algoritmo LASS funciona muy bien en este conjunto de datos de usuarios de ordenadores y puede obtener más conocimientos de él.

• Materias:Inteligencia artificial Algoritmos genéticos Ingeniería civil Neurociencia Cognitiva
• Subjects:Artificial intelligence Genetic algorithms Civil engineering Cognitive Neuroscience
• Palabras claves:alta dimensionalidad, algoritmo lass, separación de la solidez del ambiente, distancia centroide propuesta, criterio de aislamiento de la distancia, distribución gaussiana esférica, usuario masivo del ordenador, forma de distribución diversa, métodos de agrupación populares, llamada distancia centroide
• Keywords:high dimensionality, lass algorithm, ambient solidity separation, proposed centroid distance, distance isolation criteria, spherical gaussian distribution, massive computer user, diverse distribution shape, popular clustering methods, called centroid distance