Algorytmy grupowania danych
G r
Grupowanie danych wokół medoidów przybliżone
– Rough k-medoids Clustering
W klasycznym algorytmie grupowania wokół medoidów optymalizowana jest wartość zwartości podziału (pogrupowania danych) definiowana jako:
gdzie:
W przybliżonym algorytmie k-medoidów, standardowe pojęcie zwartości pogrupowania zastąpione zostaje pojęciem przybliżonej zwartości
pogrupowania danych. Przybliżona zwartość podziału – pogrupowania
określa oddzielnie wpływ obiektów znajdujących się w dolnej aproksymacji
klasy – skupienia od wpływu wywieranego przez obiekty znajdujące się
na brzegu badanej klasy. Pojęcia dolnej i górnej aproksymacji oraz brzegu
opierają się na pojęciach teorii zbiorów przybliżonych.
OZNACZENIA ORAZ POJĘCIA
ALGORYTM GRUPOWANIA DANYCH PRZYBLIŻONY WOKÓŁ MEDOIDÓW
DWIE KLASY – ICH BRZEG I DOLNE APROKSYMACJE
Jakość grupowania danych:
wskaźnik Davies-Bouldin
PRZYKŁADOWE DANE + KOLEJNE ITERACJE ALGORYTMU GRUPOWANIA
PRZYBLIŻONEGO WOKÓŁ MEDOIDÓW
public void ChangeMedoidObject(int _m, int _d) {
double[] d1 = (double[])medL[_m];
double[] d2 = (double[])cL[_d];
medL.RemoveAt(_m);
medL.Insert(_m,d2);
cL.RemoveAt(_d);
cL.Insert(_d, d1);
GetLowerUpper();
DisplayImageData();