تجميع تحت الفضاء المتصل بالكثافة للبيانات عالية الأبعاد

تنتج عدة مجالات تطبيقية مثل البيولوجيا الجزيئية والجغرافيا كمية هائلة من البيانات التي لم يعد بالإمكان إدارتها بدون مساعدة طرق تنقيب البيانات الفعالة والفعالة. واحدة من المهام الرئيسية في تنقيب البيانات هي التجميع. ومع ذلك، غالبًا ما تفشل خوارزميات التجميع التقليدية في اكتشاف تجمعات ذات مغزى لأن معظم مجموعات البيانات في العالم الحقيقي تتسم بفضاء البيانات ذي الأبعاد العالية، والذي هو بطبيعته نادر. ومع ذلك، غالبًا ما تحتوي مجموعات البيانات على تجمعات مثيرة للاهتمام مخفية في مناطق فرعية مختلفة من فضاء الخصائص الأصلي. لذلك، تم تناول مفهوم تجميع الفضاءات الفرعية مؤخرًا، والذي يهدف إلى التعرف تلقائيًا على الفضاءات الفرعية من فضاء الخصائص التي توجد فيها تجمعات. في هذه الورقة، نقدم SUBCLU (تجميع الفضاءات الفرعية المتصل بالكثافة)، وهو نهج فعال وكفء لمشكلة تجميع الفضاءات الفرعية. باستخدام مفهوم الاتصال بالكثافة الذي يستند إليه خوارزمية DBSCAN EKSX96، يعتمد SUBCLU على مفهوم رسمي للتجميع. على عكس الأساليب القائمة على الشبكة الحالية، يستطيع SUBCLU اكتشاف تجمعات ذات أشكال ومواقع عشوائية في الفضاءات الفرعية. يتم استخدام أحادية الاتصال بالكثافة بشكل فعال لتقليص الفضاءات الفرعية في عملية توليد جميع التجمعات بأسلوب تصاعدي. بينما لا يتم فحص أي فضاءات فرعية غير ضرورية، يقدم SUBCLU لكل فضاء فرعي نفس التجمعات التي كان سيجدها DBSCAN، عند تطبيقه على هذا الفضاء الفرعي بشكل منفصل.