Metody porovnání klastrování založené na využití modelu směsi distribucí pro překrývající se komponenty

Abstract

Klastrování slouží k setřídění dat s podobnými vlastnostmi do skupin, které nazýváme klastry. V případě použití různých klastrovacích algoritmů vzniká úloha porovnání výsledků shlukování. V této práci (i) porovnáváme klastrování založené na využití modelu směsi distribucí s normálními komponentami, rovnoměrnými komponentami a exponenciálními komponentami, (ii) je představen přehled metod pro porovnání výsledků klastrovacích algoritmů, (iii) je navrženo několik metod pro porovnání klastrování, které využívají váhy komponent modelu, (iv) vybrané metody včetně těch nově navržených jsou naprogramovány v prostředí Scilab a (v) experimentálně testovány na simulovaných datech, datech ze softwaru Orange a reálných datech.

Cluster analysis serves to sort data with similar properties into groups that we call clusters. When using different clustering algorithms, the task of comparing the clustering results arises. In this work (i) the comparison of mixture-based clustering with normal components, uniform components and exponential components is performed,(ii)anoverviewofmethodsofcomparingclusteringalgorithmsis presented, (iii) several methods are proposed for comparing clustering that use the component weights, (iv) selected methods including those newly designed are programmed in Scilab and (v) experimentally tested using simulated data, Orange data and real data.