Abstrait

ÉVALUATION DES PERFORMANCES D'UNE MESURE DE SIMILARITÉ BASÉE SUR DES POINTS DE VUE MULTIPLES POUR LE CLUSTERING DE DONNÉES

KAVLPrasanna, M. Vasantha Kumar

Certaines relations de cluster doivent être prises en compte pour toutes les méthodes de clustering entourées par les objets de données qui seront appliqués. Il peut y avoir une similitude entre une paire d'objets qui peut être définie comme un choix explicite ou implicite. Dans cet article, nous présentons une nouvelle mesure de similarité basée sur plusieurs points de vue et deux méthodes de clustering associées. La principale différence entre notre concept et une mesure de dissimilarité/similarité traditionnelle est que la dissimilarité/similarité susmentionnée n'exerce qu'un seul point de vue pour lequel elle est la base et que le clustering avec mesure de similarité basée sur plusieurs points de vue mentionné utilise de nombreux points de vue différents qui sont des objets et sont supposés ne pas être dans le même cluster avec deux objets mesurés. En utilisant plusieurs points de vue, d'innombrables évaluations descriptives peuvent être réalisées. Afin d'aider à cette déclaration, l'analyse théorique et l'étude empirique sont menées. En fonction de cette nouvelle mesure, deux fonctions de critère sont proposées pour le clustering de documents. Nous les examinons avec certains algorithmes de clustering distingués qui utilisent d'autres mesures coïncidentes préférées sur différents groupes de documents afin de vérifier l'amélioration de notre schéma.