Computer >> บทช่วยสอนคอมพิวเตอร์ >  >> การเขียนโปรแกรม >> การเขียนโปรแกรม

Prototype-Based Clustering คืออะไร?


Prototype-Based Clustering (การจัดกลุ่มแบบโปรโตไทป์) คืออะไร?

ในการจัดกลุ่มแบบโปรโตไทป์ กลุ่ม (cluster) คือกลุ่มของวัตถุที่วัตถุหนึ่งอยู่ใกล้โปรโตไทป์ที่แทนกลุ่มนั้นมากกว่าโปรโตไทป์ของกลุ่มอื่น อัลกอริทึมแบบโปรโตไทพ์ที่ง่ายที่สุดใช้ centroid (จุดกึ่งกลาง) ของสมาชิกในกลุ่มเป็นโปรโตไทป์ของกลุ่มนั้น

แนวทางต่างๆ ของ Prototype-Based Clustering

  • วัตถุสามารถเป็นสมาชิกของหลายกลุ่มได้พร้อมกัน โดยมีน้ำหนัก (weight) แตกต่างกันสำหรับแต่ละกลุ่ม วิธีนี้แก้ปัญหาวัตถุที่อยู่ใกล้โปรโตไทป์หลายกลุ่มพร้อมกัน

  • จำลองกลุ่มเป็นการแจกแจงทางสถิติ วัตถุถูกสร้างขึ้นจากกระบวนการสุ่มจากการแจกแจงที่มีพารามิเตอร์หลายตัว เช่น ค่าเฉลี่ยและความแปรปรวน มุมมองนี้ขยายแนวคิดโปรโตไทป์และอนุญาตให้ใช้วิธีทางสถิติที่มั่นคงได้

  • กลุ่มถูกจำกัดให้มีความสัมพันธ์คงที่ ความสัมพันธ์เหล่านี้เป็นข้อจำกัดที่กำหนดความสัมพันธ์เพื่อนบ้าน เช่น ระดับที่สองกลุ่มเป็นเพื่อนบ้านกัน การจำกัดความสัมพันธ์ระหว่างกลุ่มสามารถกำหนดการทำงานและการแสดงภาพข้อมูลได้

Fuzzy c-means

Fuzzy c-means ใช้แนวคิดจากตรรกะแบบคลุมเครือ (fuzzy logic) และทฤษฎีเซตแบบคลุมเครือ เพื่อเสนอรูปแบบการจัดกลุ่มที่คล้าย K-means แต่ไม่จำเป็นต้องกำหนดจุดให้กับกลุ่มเดียวอย่างแข็งขัน (hard assignment)

Mixture Model Clustering

Mixture model clustering 採取วิธีที่กลุ่มของคลัสเตอร์สามารถจำลองเป็นการผสมของการแจกแจง หนึ่งการแจกแจงต่อคลัสเตอร์ แนวทางการจัดกลุ่มที่ขึ้นอยู่กับ Self-Organizing Maps (SOM) ใช้การจัดกลุ่มภายในโครงสร้างที่กำหนดความสัมพันธ์ของคลัสเตอร์ล่วงหน้า รวมถึงโครงสร้างกริดสองมิติ

Fuzzy Clustering (การจัดกลุ่มแบบคลุมเครือ)

ถ้าวัตถุข้อมูลกระจายอยู่ในเซตที่แยกจากกันชัดเจน การจัดกลุ่มแบบแยกส่วน (crisp clustering) จะเหมาะสม แต่ในบางกรณี วัตถุไม่สามารถแบ่งเป็นกลุ่มที่แยกจากกันได้ชัดเจน จะมีความสุ่มในการกำหนดวัตถุให้กลุ่มใดกลุ่มหนึ่ง

พิจารณาวัตถุที่อยู่ใกล้ขอบเขตของสองกลุ่ม แต่ใกล้กลุ่มหนึ่งมากกว่า ในบางกรณี อาจเหมาะสมกว่าที่จะกำหนดน้ำหนักให้วัตถุแต่ละชิ้นและแต่ละกลุ่ม แสดงถึงระดับที่วัตถุเป็นสมาชิกของกลุ่มนั้น

วิธีทางความน่าจะเป็นก็สามารถให้น้ำหนักเช่นนี้ได้ แม้วิธีทางความน่าจะเป็นมีประโยชน์ในหลายสถานการณ์ แต่บางครั้งยากที่จะเลือกโมเดลทางสถิติที่เหมาะสม ในกรณีทั่วไป วิธีจัดกลุ่มแบบไม่ใช้ความน่าจะเป็นจึงจำเป็นต้องให้ความสามารถเทียบเท่า