カラス探索アルゴリズムに基づく改良K-メドイドクラスタリングアプローチ

K-メドイドクラスタリングアルゴリズムは、シンプルでありながら効果的なアルゴリズムで、さまざまなクラスタリング問題の解決に適用されてきました。K-メドイドは、クラスタの中心として平均点を使用するのではなく、実際の点を使用して表現します。メドイドは、クラスタ内の他の点との距離の合計が最小となる最も中心に位置するオブジェクトです。K-メドイドは外れ値に対して堅牢であるため、クラスタ中心を正確に表現できます。しかし、K-メドイドアルゴリズムは、任意の形状のオブジェクトグループや大規模データセットのクラスタリングには適していません。これは、接続性の代わりにコンパクトさをクラスタリング基準として使用しているためです。この問題を克服するために、カラス探索アルゴリズムに基づく改良K-メドイドアルゴリズムが提案されました。本研究では、カラス探索アルゴリズムを使用してK-メドイドアルゴリズムの探索と活用プロセスのバランスを改善します。実験結果の比較は、提案された改良アルゴリズムが他の競合者よりも優れていることを示しています。