Yarı denetimli seyrek veriler için alt alan kısıtlaması kümelenmesi

Birçok bilimsel alanın karmaşıklığı, yalnızca üretilen veri miktarını değil aynı zamanda verilerin kendisinin doğasını da etkilemiştir. Günümüzde, yüksek boyutlu veri kümeleriyle uğraşmak yaygındır. Bu tip veri setlerini işlemek ve analiz etmek, bazı kalıcı problemlerle karşılaşabileceği için büyük dikkat gerektirir. Verileri birkaç kümeye ayırmak veya gruplandırmak, veri madenciliği ve makine öğrenmesinde yaygın olarak kullanılan uygulamalardan biridir. Bu süreç kümeleme ile ifade edilir ve veri setinde sunulan temel bilgiler hakkında fikir verir. En yaygın kullanılan kümeleme algoritmalarından biri, normal şartlardaki sadeliği ve etkinliği nedeniyle k-aracıdır. Bununla birlikte, yüksek boyutlu verilerin niteliği göz önüne alındığında, k-araçları istenen sonuçları elde etmekte başarısız gözükmektedir. Buna temel olarak, üretilen kümelenmelere aykırı olanları engelleyen veri içindeki boyutsallık laneti ve olası gürültü neden olmaktadır. Olası bir çözüm olarak, seyrek veriler için boyutsallığın azaltılması önerilmiştir. Kümelenme uygulamaları için hem uzay hem de alt uzay tabanlarında boyutsallık azaltma elde edilebilir. Bununla birlikte, alt uzay boyutsallığının azaltılması, sağlamlığı ve kümelenebilirlik iyileştirmesi nedeniyle son çalışmalarda daha fazla dikkat çekmiştir. Böylece, bu araştırmada, seyrek veriler için yumuşak alt alan kümelemesinin araştırılmasına karar verilmiştir. Kümelenmesi zor veri kümelerinin kümelenmesinde performanslarını k araçlarıyla karşılaştırmak için mekanizma yönelimlerine göre dört algoritma seçilmiştir. Tüm kümeleme işlemlerini çalıştırmak ve hem sayısal hem de görsel sonuçlar üretmek için MATLAB 2018b kullanılarak bir Grafiksel Kullanıcı Arayüzü (GUI) uygulanmıştır. K-araçlarının performansının, yumuşak alt-alan hesaplama dahil edilerek çarpıcı bir şekilde geliştirilebileceği bulunmuştur. Özellikle, bu çalışmada ReliefF algoritması, bazı durumlarda kümeleme performansını% 50'den daha fazla değerlendirebilir.