Một hướng tiếp cận mới đối với bài toán phân cụm sử dụng phương pháp cắt đồ thị mờ bán giám sát

Tóm tắt

Các thuật toán phân cụm truyền thống dựa trên đặc trưng thường không thể nắm bắt một cách hiệu quả cấu trúc hình học của dữ liệu. Nhằm khắc phục hạn chế này, bài báo đề xuất một thuật toán phân cụm cắt đồ thị mờ bán giám sát (Semi-Supervised Fuzzy Graph Cut Clustering – SS-FGCC), trong đó tích hợp các nhãn của điểm neo vào quá trình phân cụm mờ và khai thác cấu trúc đồ thị nhằm nâng cao chất lượng phân cụm, đồng thời giảm độ phức tạp tính toán xuống thời gian tuyến tính. Các thực nghiệm được tiến hành trên 06 bộ dữ liệu tổng hợp và 05 bộ dữ liệu UCI cho thấy SS-FGCC đạt hiệu quả vượt trội so với các phương pháp RCut, NCut, FCM, FFCAG, FGCC và CEHM, với độ chính xác đạt tới 82,76%. Hơn nữa, phương pháp được đề xuất duy trì được tính ổn định khi xử lý các bộ dữ liệu quy mô lớn, trong khi các phương pháp cắt đồ thị truyền thống thường gặp phải những hạn chế về bộ nhớ. Do đó, SS-FGCC là một giải pháp phân cụm hiệu quả, có khả năng mở rộng và phù hợp với việc xử lý các bộ dữ liệu quy mô lớn