การจัดกลุ่มทับซ้อนที่มีพื้นฐานมาจากการจัดกลุ่มแบบแบ่งส่วนโดยใช้ความสัมพันธ์ของกลุ่มข้อมูล

Abstract

การจัดกลุ่มแบบดั้งเดิมตั้งอยู่บนสมมติฐานที่ว่าข้อมูลหนึ่งตัวอย่างสามารถถูกจัดให้อยู่ได้เพียงกลุ่มเดียว อย่างไรก็ตามการจัดกลุ่มประเภทนี้ไม่สามารถครอบคลุมข้อมูลได้หมดทุกประเภท สำหรับข้อมูลประเภทหลายหมวดหมู่จำเป็นที่จะต้องใช้การจัดกลุ่มอีกแบบที่อนุญาตให้ข้อมูลหนึ่งตัวอย่างสามารถอยู่ได้หลายกลุ่มข้อมูล และเนื่องจากข้อมูลหนึ่งตัวอย่างสามารถอยู่ได้หลายกลุ่ม ดังนั้นกลุ่มข้อมูลที่เกิดขึ้นจึงสามารถทับซ้อนกัน การจัดกลุ่มประเภทนี้จึงถูกเรียกว่า “การจัดกลุ่มทับซ้อน” งานวิจัยนี้ให้ความสนใจที่การจัดกลุ่มทับซ้อนแบบแบ่งส่วนซึ่งเป็นการจัดกลุ่มทับซ้อนที่มีประสิทธิภาพและสามารถประยุกต์ใช้ได้กับชุดข้อมูลส่วนใหญ่ การจัดกลุ่มทับซ้อนแบบแบ่งส่วนนั้นมักมีพัฒนาการมาจากขั้นตอนวิธี K-Means ซึ่งมีปัญหาสำคัญคือมีการเริ่มต้นกระบวนการโดยการสุ่มเซนทรอยด์ ซึ่งหากเซนทรอยด์ที่ได้จากการสุ่มนี้อยู่ในตำแหน่งที่ไม่เหมาะสม ประสิทธิภาพทางด้านความถูกต้องแม่นยำของการจัดกลุ่มจะถูกอิงอยู่กับค่าต่ำสุดสัมพัทธ์ของฟังก์ชันต้นทุน ซึ่งทำให้ความถูกต้องแม่นยำมีโอกาสที่จะออกมาต่ำกว่าที่ควรจะเป็น การจัดกลุ่มทับซ้อนที่พัฒนามาจากขั้นตอนวิธี K-Means ก็ประสบปัญหานี้เช่นเดียวกันเนื่องจากมีการเริ่มต้นกระบวนการที่เหมือนกัน นอกจากนี้งานวิจัยเกี่ยวกับการจัดกลุ่มทับซ้อนแบบแบ่งส่วนที่ผ่านมายังไม่มีการนำองค์ความรู้เกี่ยวกับความสัมพันธ์ระหว่างกลุ่มข้อมูลซึ่งเป็นตัวแปรสำคัญตัวแปรหนึ่งที่มีผลต่อรูปแบบของกลุ่มข้อมูลมาใช้ประโยชน์ งานวิจัยนี้จึงมีจุดประสงค์หลักสองประเด็นคือเพื่อแก้ปัญหาเซนทรอยด์ที่อยู่ในตำแหน่งที่ไม่เหมาะสม โดยการประยุกต์ใช้ขั้นตอนวิธี K-Harmonic-Means และขั้นตอนวิธี ELBG อีกประเด็นหนึ่งคือนำองค์ความรู้เกี่ยวกับความสัมพันธ์ระหว่างกลุ่มข้อมูลมาใช้ประโยชน์ เพื่อเพิ่มประสิทธิภาพของการจัดกลุ่มในด้านความถูกต้องแม่นยำ หลังจากค้นคว้าวิจัยจนได้ขั้นตอนวิธีใหม่และทดสอบกับชุดข้อมูล 20 ชุดข้อมูลพบว่าสามารถแก้ไขปัญหาที่เกิดขึ้น และเพิ่มประสิทธิภาพของการจัดกลุ่มด้านความถูกต้องแม่นยำได้จริง โดยความถูกต้องแม่นยำเพิ่มขึ้นเฉลี่ย 25.68% จากขั้นตอนวิธี OKM ซึ่งนำมาเป็นขั้นตอนวิธีพื้นฐานในการวัดด้วยค่า F1