부분 차원 클러스터링을 위한 개선된 알고리즘

Abstract

고차원 데이터에서 클러스터를 찾아내는 문제는 그 중요성으로 인해 데이터 마이닝 분야에 잘 알려져 있다. 클러스터링은 similarity search, customer segmentation, pattern recognition, trend analysis, classification 등 데이터를 처리하는 많은 분야에서 기본 알고리즘으로 사용되어질 수 있고 대량의 데이터를 처리하는 경영정보시스템에서도 그 활용가치가 높아 좋은 클러스터링 알고리즘의 연구에 대한 관심이 증대되고 있다. 본 논문에서는 고차원 데이터를 부분 차원 클러스터링 하는 새로운 알고리즘을 제안한다. 알고리즘은 먼저 최대 표준편차를 갖는 차원을 기준으로 점들을 분할하여 후보 클러스터들을 생성하고, 다음으로 후보 클러스터들 중 친밀도가 가장 ?? 두 개의 클러스터를 찾아내어 미리 정해진 개수의 클러스터가 될 때까지 병합한다. 마지막으로 클러스터의 질을 향상시키기 위해 데이터를 한 번 더 정제 시킨다. 알고리즘의 성능 평가를 위해 실험 데이터를 만든 후 k-Means, PROCLUS, DOC과 같은 여러 알고리즘과 실험한 결과 제안된 알고리즘이 성능이 향상됨을 알 수 있었다.|The issue of finding cluster from high dimensional data has well known in the field of data mining due to its importance, because the clustering as the basic algorithm had been used in fields of processing data such as similarity search, customer segmentation, pattern recognition, trend analysis and classification. In addition, researches for clustering algorithms have increased in management information systems, because the clustering can process enormous data to get information. In this research, a new algorithm is proposed for subdimensional clustering of high dimensional data. In the new algorithm, candidate clusters are created through partition, which input points are divided by dimension that has maximum variation. Next, two cluster are found, which have a maximum closeness among candidate clusters, and them merges until these cluster are the predefined number of clusters. Lastly, the data is refined one more time for improving quality of clusters. The result of extensive experiments with k-Means, PROCLUS and FASTDOC shows that the proposed algorithm is better than other algorithm.