Chameleon (ক্যামেলিয়ন)
Chameleon হলো একটি হায়ারার্কিক্যাল ক্লাস্টারিং অ্যালগরिदম যা ডাইনামিক মডেলিং ব্যবহার করে ক্লাস্টার জোড়ার মধ্যে সাদৃশ্য নির্ধারণ করে। এটি দুটি হায়ারার্কিক্যাল ক্লাস্টারিং অ্যালগরিদমের পর্যবক্ষিত দুর্বলতার ওপর ভিত্তি করে পরিবর্তিত হয়েছে - ROCK এবং CURE।
ROCK এবং সংশ্লিষ্ট ডিজাইন ক্লাস্টার ইন্টারকানেক্টিভিটি emphasised করে যখন ক্লাস্টার প্রক্সিমিটির তথ্য উপেক্ষা করে। CURE এবং সংশ্লিষ্ট ডিজাইন ক্লাস্টার প্রক্সিমিটির বিবেচনা করে কিন্তু ক্লাস্টার ইন্টারকানেক্টিভিটি উপেক্ষা করে। Chameleon-এ, ক্লাস্টার সাদৃশ্যvaluer করা হয় এই বেসিসে - একটি ক্লাস্টারের ভিতরে অবজেক্টরা কত ভালো কানেক্টেড এবং ক্লাস্টারগুলোর প্রক্সিমিটি। বিশেষভাবে, দুটি ক্লাস্টার মার্জ করা হয় যদি তাদের ইন্টারকানেক্টিভিটি বেশি থাকে এবং সেগুলো একে অপরের কাছাকাছি থাকে।
এটি একটি স্ট্যাটিক, ইউজার-সাপ্লাইড মডেলের ওপর ভিত্তি করে না এবং ক্লাস্টারগুলো মার্জ করার সময় তাদের অভ্যন্তরীণ বৈশিষ্ট্যের সাথে আটোমেটিক্যালি অ্যাডাপ্ট করতে পারে। মার্জ প্রক্রিয়া প্রাকৃতিক এবং হোমোজিনাস ক্লাস্টার আবিষ্কারকে সহায়তা করে এবং সিমিলারিটি ফাংশন ডিফাইন করা যাবে সকল ডেটা টাইপের জন্য ব্যবহার করা যায়।
Chameleon k-nearest-neighbor গ্রাফ টেকনিক ব্যবহার করে একটি স্পার্স গ্রাফ তৈরি করে, যেখানে গ্রাফের প্রতিটি ভার্টেক্স একটি ডেটা অবজেক্ট রিপ্রেজেন্ট করে, এবং দুটি ভার্টেক্স (অবজেক্ট) এর মধ্যে একটি এজ থাকে যদি একটি অবজেক্ট অন্যের k-most-similar অবজেক্টের মধ্যে থাকে। এজগুলো ওয়েইটেড থাকে যাতে অবজেক্টগুলোর মধ্যে সাদৃশ্য রিফলেক্ট হয়।
Chameleon একটি গ্রাফ পার্টিশনিং অ্যালগরিদম ব্যবহার করে k-nearest-neighbor গ্রাফকে অনেক ছোট সাবক্লাস্টারে পার্টিশন করে। এটি একটি এগ্লোমেরেটিভ হায়ারার্কিক্যাল ক্লাস্টারিং অ্যালগরিদম ব্যবহার করে যা পুনরাবৃত্তি করে সাবক্লাস্টারগুলোর সাদৃশ্যের ওপর ভিত্তি করে মার্জ করে। এটি সবচেয়ে সাদৃশ্যপূর্ণ সাবক্লাস্টারের জোড়া নির্ধারণ করে, সেটা ইন্টারকানেক্টিভিটি এবং ক্লাস্টারগুলোর নিকটতা - উভয়ই বিবেচনা করে।
k-nearest-neighbor গ্রাফ ডাইনামিক্যালি voisinhood কনসেপ্ট ক্যাপচার করে: একটি অবজেক্টের voisinhood রেডিাস সেটি যে রিজনে অবস্থান করে সেটির ডেন্সিটি দ্বারা নির্ধারিত হয়। ঘন এলাকায়, voisinhood সংকীর্ণভাবে রিপ্রেজেন্ট করা হয়। বিরল এলাকায়, এটি আরও ব্যাপকভাবে রিপ্রেজেন্ট করা হয়।
এই প্রভাবটি DBSCAN-এর মতো ডেন্সিটি-ভিত্তিক পদ্ধতির চেয়ে আরও প্রাকৃতিক ক্লাস্টার ফলাফল দেয়, যা বরং একটি গ্লোবাল voisinhood ব্যবহার করে। കൂടാതে, রিজনের ডেন্সিটি এজ ওয়েইট হিসেবে রেকর্ড করা হয়। বিশেষভাবে, ঘন এলাকার এজগুলো বিরল এলাকার চেয়ে বেশি ওয়েইটেড থাকে।
গ্রাফ-পার্টিশনিং অ্যালগরিদম k-nearest-neighbor গ্রাফকে পার্টিশন করে যাতে এজ কাটা মিনিমাইজ হয়। অর্থাৎ, ক্লাস্টার C সাব-ক্লাস্টার Cᵢ এবং Cⱼ-এ ভাগ হয় যাতে এজের ওয়েইট মিনিমাইজ হয় যদি C কে Cᵢ এবং Cⱼ-এ বাইসেক্ট করা হয়। এজ কাটকে EC(Cᵢ, Cⱼ) দিয়ে বোঝানো হয় এবং এটি ক্লাস্টার Cᵢ এবং Cⱼ-এর পরম ইন্টারকানেক্টিভিটি নির্ধারণ করে।
