Implementace shlukovacího algoritmu Chameleon

Abstract

Cílem této práce je analýza a implementace shlukovacího algoritmu Chameleon.

Chameleon je hierarchický shlukovací algoritmus navržený Vipinem Kumare, Georgem Karypisem a Eui-Hong (Sam) Hanem. Algoritmus řeší problémy a nedostatky stávajících shlukovacích metod použitím dynamického modelování pro určování podobnosti mezi shluky.

Celý algoritmus se nám podařilo úspěšně implementovat a integrovat jej do programu Clueminer -- interaktivní platformy pro shlukování. Analýza a výsledky dosažené naší implementací prokázaly, že Chameleon skutečně dosahuje lepších výsledků než většina dostupných shlukovacích algoritmů a je schopen identifikovat shluky různých velikostí, tvarů a hustot.

The goal of this thesis is to analyze and implement the Chameleon algorithm.

Chameleon is a hierarchical clustering algorithm proposed by Vipin Kumar, George Karypis and Eui-Hong (Sam) Han. It overcomes limitations of existing clustering methods by using dynamic modeling to determine the similarity between pairs of clusters.

We successfully implemented the algorithm and integrated it into the Clueminer clustering platform. The analysis and results achieved by our implementation proved that the algorithm is in fact superior to most clustering algorithms and is able to identify clusters of different sizes, shapes and densities.