প্রোটোটাইপ-ভিত্তিক ক্লাস্টারিং
প্রোটোটাইপ-ভিত্তিক ক্লাস্টারিং-এ, একটি ক্লাস্টার হল অবজেক্টের একটি গ্রুপ যেখানে কিছু অবজেক্ট সেই ক্লাস্টারকে প্রতিনিধিত্বকারী প্রোটোটাইপের চেয়ে অন্য কোনো ক্লাস্টার প্রোটোটাইপের কাছে বেশি নিকট। একটি সাধারণ প্রোটোটাইপ-ভিত্তিক ক্লাস্টারিং অ্যালগরিদম ক্লাস্টারের উপাদানগুলির সেন্ট্রয়েডকে ক্লাস্টারের প্রোটোটাইপ হিসেবে ব্যবহার করে।
প্রোটোটাইপ-ভিত্তিক ক্লাস্টারিং-এর বিভিন্ন পদ্ধতি
ফাজি ক্লাস্টারিং: অবজেক্টগুলোর একাধিক ক্লাস্টারে থাকার অনুমতি দেওয়া হয়। একটি অবজেক্ট প্রতিটি ক্লাস্টারের সাথে কিছু ওজন নিয়ে থাকে। এটি সেই সত্যকে সমাধান করে যে কিছু অবজেক্ট একাধিক ক্লাস্টার প্রোটোটাইপের সাথে সমানভাবে নিকট।
মিশ্রণ মডেল ক্লাস্টারিং: একটি ক্লাস্টারকে একটি সাংখ্যিক বন্টন হিসেবে মডেল করা হয়, অর্থাৎ অবজেক্টগুলো একটি সাংখ্যিক বন্টন থেকে র্যান্ডমভাবে উৎপন্ন হয় যা গড় ও ভেরিয়েন্স সহ একাধিক পরামিতি দ্বারা চরিত্রায়িত। এই দৃষ্টিভঙ্গি প্রোটোটাইপ ধারণাকে বিস্তারিত করে এবং সুস্থাপিত সাংখ্যিক পদ্ধতিগুলোর ব্যবহার অনুমতি দেয়।
সীমাবদ্ধ সম্পর্ক সহ ক্লাস্টারিং: ক্লাস্টারগুলোর ধ্রুব সম্পর্ক থাকতে হয়। এই সম্পর্কগুলো निकটতার সম্পর্ক নির্ধারণ করে, যেমন দুটি ক্লাস্টার একে অপরের निकটবর্তী কতটুকু। ক্লাস্টারগুলির মধ্যে সম্পর্ক সীমাবদ্ধ করলে ডেটার এক্সিকিউশন ও ভিজ্যুয়ালাইজেশন নির্ধারিত হয়।
ফাজি সি-মিন্স এবং মিশ্রণ মডেল
ফাজি সি-মিন্স ফাজি লজিক ও ফাজি সেট তত্ত্বের ধারণা ব্যবহার করে একটি ক্লাস্টারিং ডিজাইন প্রস্তাব করে, যা K-মিন্সের অনুরূপ কিন্তু যা একটি পয়েন্টকে কেবল একটি ক্লাস্টারে হার্ড এসাইনমেন্টের বাধ্য করে না।
মিশ্রণ মডেল ক্লাস্টারিং এই পদ্ধতিটি গ্রহণ করে যে ক্লাস্টারগুলির একটি গোষ্ঠীকে বন্টনগুলির মিশ্রণ হিসেবে মডেল করা যায়, প্রতিটি ক্লাস্টারের জন্য একটি। সেলফ-অর্গানাইজিং ম্যাপস (SOM) ভিত্তিক ক্লাস্টারিং স্কিম ক্লাস্টারগুলোর মধ্যে একটি পূর্ব-নির্দিষ্ট সম্পর্ক (যেমন দ্বি-মাত্রিক গ্রিড কাঠামো) বজায় রেখে ক্লাস্টারিং বাস্তবায়ন করে।
ফাজি ক্লাস্টারিং এর গভীর দৃষ্টি
যদি ডেটা অবজেক্টগুলো সুতরাং স্বতন্ত্র সেটগুলিতে বিতরণ থাকে, তবে সেগুলোকেই ডিসজয়েন্ট ক্লাস্টারে ভাগ করা আদর্শ মনে হয়। কিন্তু কিছু ক্ষেত্রে, ডেটাসেটের অবজেক্টগুলো সুতরাং স্বতন্ত্র ক্লাস্টারে ভাগ করা যায় না, এবং একটি অবজেক্টকে নির্দিষ্ট ক্লাস্টারে বরাদ্দ করতে কিছুFrancia's arbitrariness থাকে।
একটি অবজেক্ট বিবেচনা করুন যা দুটি ক্লাস্টার সীমানার কাছে আছে, কিন্তু 그중 একটির কাছে বেশি নিকট। কিছু ক্ষেত্রে, প্রতিটি অবজেক্ট ও ক্লাস্টারের জন্য একটি ওজন বরাদ্দ করা অধিক উপযুক্ত হতে পারে যা অবজেক্টের ক্লাস্টার প্রতি নিজস্বতা দर्जা নির্দেশ করে।
প্রোবাবিলিস্টিক পদ্ধতিও এমন ওজন প্রদান করতে পারে। যদিও প্রোবাবিলিস্টিক পদ্ধতিগুলো অনেক পরিস্থিতিতে উপকারী, কিন্তু সময়समয়ে উপযুক্ত সাংখ্যিক মডেল নির্ধারণ করা কঠিন হয়। সাধারণত, নন-প্রোবাবিলিস্টিক ক্লাস্টারিং পদ্ধতিগুলো একই ক্ষমতা প্রদানের জন্য প্রয়োজন হয়।
