Nghiên cứu xây dựng luật mờ từ dữ liệu theo phân cụm

Nghiên cứu xây dựng luật mờ từ dữ liệu theo phân cụm – Lê Tuấn Tú – 2011 – ĐH CNTT&TT

MỞ ĐẦU
Ngày nay các hệ thống thông tin nói chung, các cơ sở dữ liệu trong lĩnh
vực kinh tế, kỹ thuật nói riêng luôn chứa đựng tính bất định, hoạt động trong
môi trường thiếu thông tin, chịu tác động không mong muốn từ môi trường.
Đã có nhiều nghiên cứu trong và ngoài nước quan tâm đến việc hình
thành luật từ dữ liệu không chỉ được thực hiện trong các phương pháp của khai
phá dữ liệu nói chung mà còn được xây dựng trên lý thuyết tập mờ.
Bài toán cho xây dựng luật mờ từ dữ liệu được thực hiện theo nhiều
phương pháp như phân lớp, xây dưng cây quyết định, hoặc phân cụm mờ.
Trong các hệ thống suy diễn mờ được xây dựng từ dữ liệu, thường phụ thuộc
vào các phân hoạch mờ. Các phân hoạch này chính là không gian với độ lớn
của không gian phụ thuộc vào các biến vào/ra. Thuật toán phân cụm mờ là một
kỹ thuật rất thích hợp để phát hiện các phân hoạch mờ này. Thuật toán phân
cụm mờ là một phương pháp thường được sử dụng trong nhận dạng mẫu và
cho kết quả mô hình tốt trong nhiều trường hợp. Do đó, sử dụng thuật toán
clustering để cung cấp số lượng tối ưu các cụm cần thiết theo phương pháp lặp,
thông qua đó để tìm tối ưu hệ thống suy luận mờ (FIS). Mô hình tối ưu các
thông số của thuật toán clustering sẽ sử dụng phương pháp bình phương cực
tiểu giữa dữ liệu thực tế và dữ liệu của mô hình mờ, hoặc tìm kiếm sử dụng
giải thuật di truyền. Với phương pháp tiếp cận trên luận văn sẽ được thử
nghiệm trên các dữ liệu được tạo từ ban đầu và qua đó để xây dựng các mô
hình mờ tối ưu cho các ứng dụng thực tế.
Luận văn bao gồm các nội dung sau:
Chương 1: Trình bày tổng quan về phân cụm dữ liệu
Chương 2: Giới thiệu các kỹ thuật phân cụm dữ liệu
Chương 3: Sử dụng thuật toán phân cụm trừ để xây dụng hệ luật
1
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

Nghiên cứu xây dựng luật mờ từ dữ liệu theo phân cụm – Lê Tuấn Tú – 2011 – ĐH CNTT&TT

CHƢƠNG I
TỔNG QUAN VỀ PHÂN CỤM DỮ LIỆU
1.1. Khái niệm và mục tiêu của phân cụm dữ liệu
Mục đích chính của phân cụm dữ liệu (PCDL) nhằm khám phá cấu trúc
của mỗi dữ liệu để thành lập các nhóm dữ liệu từ tập dữ liệu lớn, theo đó nó
cho phép người ta đi sâu vào phân tích và nghiên cứu cho từng cụm dữ liệu này
nhằm khám phá và tìm kiếm các thông tin tiềm ẩn, hữu ích phục vụ cho việc ra
quyết định. Ví dụ “Nhóm các khách hàng trong cơ sở dữ liệu (CSDL) ngân
hàng có vốn các đầu tư vào bất động sản cao”… Như vậy, PCDL là một
phương pháp xử lý thông tin quan trọng và phổ biển, nó nhằm khám phá mối
liên hệ giữa các mẫu dữ liệu bằng cách tổ chức chúng thành các cụm.
Ta có thể khái quát hóa khái niệm PCDL: PCDL là một kĩ thuật trong
khai phá dữ liệu (KPDL), nhằm tìm kiếm, phát hiện các cụm, các mẫu dữ liệu
tự nhiên, tiềm ẩn, quan trọng trong tập dữ liệu lớn từ đó cung cấp thông tin, tri thức
hữu ích cho việc ra quyết định.
Như vậy, PCDL là quá trình phân chia một tập dữ liệu ban đầu thành các
cụm dữ liệu sao cho các phần tử trong một cụm “tương tự” với nhau và các
phần tử trong các cụm khác nhau sẽ “phi tương tự” với nhau. Số các cụm dữ
liệu được phân ở đây có thể được xác định trước theo kinh nghiệm hoặc có thể
được tự động xác định của phương pháp phân cụm
Trong PCDL khái niệm hai hoặc nhiều đối tượng cùng được xếp vào một
cụm nếu chúng có chung một định nghĩa về khái niệm hoặc chúng xấp xỉ với
các khái niệm mô tả cho trước
Trong học máy, PCDL được xem là vấn đề học không có giám sát, vì nó
phải giải quyết vấn đề tìm một cấu trúc trong tập hợp dữ liệu chưa biết trước

các thông tin về lớp hay các thông tin về tập huấn luyện. Trong nhiều trường
2
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên




Nghiên cứu xây dựng luật mờ từ dữ liệu theo phân cụm – Lê Tuấn Tú – 2011 – ĐH CNTT&TT

hợp, nếu phân lớp được xem là vấn đề học có giám sát thì PCDL là một bước
trong phân lớp dữ liệu, PCDL sẽ khởi tạo các lớp cho phân lớp bằng cách xác
định các nhãn cho các nhóm dữ liệu
Trong KPDL, người ta có thể nghiên cứu các phương pháp phân tích
cụm có hiệu quả và hiệu suất cao trong CSDL lớn. Những mục tiêu trước tiên
của nghiên cứu là tập trung vào khả năng mở rộng của các phương pháp phân
cụm, tính hiệu quả của các phương pháp phân cụm với các hình dạng phức tạp,
những kĩ thuật cho phân cụm với nhiều kiểu dữ liệu có kích cỡ lớn và những
phương pháp cho PCDL tường minh và những dữ liệu dạng số hỗn hợp trong
CSDL lớn. PCDL được sử dụng rộng rãi trong nhiều ứng dụng, bao gồm nhận
dạng mẫu, phân tích dữ liệu, xử lý ảnh, nghiên cứu thị trường...

Hình 1.1. Ví dụ phân cụm của tập dữ liệu vay nợ thành 3 cụm
Vấn đề thường gặp trong PCDL là hầu hết các dữ liệu cần cho phân cụm
đều có chứa dữ liệu “nhiễu” do quá trình thu thập thiếu chính xác hoặc thiếu
đầy đủ, vì cần phải xây dựng chiến lược cho bước tiền xử lý dữ liệu nhằm khắc
phục hoặc loại bỏ “nhiễu” trước khi bước vào giai đoạn phân tích PCDL.
“nhiễu” ở đây có thể là các đối tượng dữ liệu không chính xác hoặc các đối
tượng dữ liệu khuyết thiếu thông tin về một số thuộc tính. Một trong các kỹ
thuật xử lý nhiễu phổ biến là việc thay thế giá trị của các thuộc tính của đối
tượng “nhiễu” bằng giá trị thuộc tính tương ứng của đối tượng dữ liệu gần nhất.

3
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên




Nghiên cứu xây dựng luật mờ từ dữ liệu theo phân cụm – Lê Tuấn Tú – 2011 – ĐH CNTT&TT

Ngoài ra, dò tìm phần tử ngoại lai là một trong những hướng nghiên cứu
quan trọng trong PCDL, chức năng của nó là xác định một nhóm nhỏ các đối
tượng dữ liệu “khác thường” so với các dữ liệu khác trong CSDL - tức là đối
tượng dữ liệu không tuân theo các hành vi hoặc mô hình dữ liệu - nhằm tránh
sự ảnh hưởng của chúng tới quá trình và kết quả của PCDL. Khám phá các phần
tử ngoại lai đã được phát triển và ứng dụng trong viễn thông, dò tìm gian lận
thương mại…
Tóm lại, PCDL là một vấn đề khó vì người ta phải đi giải quyết các vấn
đề con cơ bản như sau:
- Biểu diễn dữ liệu.
- Xây dựng hàm tính độ tượng tự.
- Xây dựng các tiêu chuẩn phân cụm.
- Xây dựng mô hình cho cấu trúc cụm dữ liệu.
- Xây dựng thuật toán phân cụm và xác lập các điều kiện khởi tạo.
- Xây dựng các thủ tục biểu diễn và đánh giá kết quả phân cụm.
Theo các nghiên cứu thì đến nay chưa có một phương pháp phân cụm
tổng quát nào có thể giải quyết trọn vẹn cho tất cả các dạng cấu trúc cụm dữ
liệu. Hơn nữa, các phương pháp phân cụm cần có cách thức biểu diễn cấu trúc
các cụm dữ liệu khác nhau, với mỗi cách thức biểu diễn khác nhau sẽ có một
thuật toán phân cụm phù hợp. PCDL đang là vấn đề mở và khó vì người ta cần
phải đi giải quyết nhiều vấn đề cơ bản như đã đề cập ở trên một cách trọn vẹn
và phù hợp với nhiều dạng dữ liệu khác nhau. Đặc biệt đối tượng với dữ liệu

hỗn hợp, đang ngày càng tăng trưởng không ngừng trong các hệ quản trị dữ
liệu, đây cũng là một trong những thách thức lớn trong lĩnh vực KPDL trong
những thập kỷ tiếp theo và đặc biệt trong lĩnh vực KPDL bằng phương
pháp phân cụm dữ liệu.

4
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên




Nghiên cứu xây dựng luật mờ từ dữ liệu theo phân cụm – Lê Tuấn Tú – 2011 – ĐH CNTT&TT

Mục tiêu của phân cụm dữ liệu là xác định được bản chất nhóm trong tập
dữ liệu chưa có nhãn. Nhưng để có thể quyết định được cái gì tạo thành một
cụm tốt. Nó có thể được chỉ ra rằng không có tiêu chuẩn tuyệt đối “tốt” mà có
thể không phụ thuộc vào kết quả phân cụm. Vì vậy, nó đòi hỏi người sử dụng
phải cung cấp tiêu chẩn này, theo các mà kết quả phân cụm sẽ đáp ứng được
yêu cầu. Ví dụ, có thể quan tâm đến việc tìm đại diện cho các nhóm đồng nhất
(rút gọn dữ liệu), trong tìm kiếm “các cụm tự nhiên” và mô tả các thuộc tính
chưa biết (kiểu dữ liệu tự nhiên) hoặc tìm kiếm các đối tượng khác thường (dò tìm
phần tử ngoại lai).
1.2. Các ứng dụng của phân cụm dữ liệu
Phân cụm dữ liệu là một công cụ quan trọng trong một số ứng dụng. Sau
đây là một số ứng dụng của nó:
 Giảm dữ liệu: Giả sử ta có một lượng lớn dữ liệu (N). Phân cụm sẽ
nhóm các dữ liệu này thành m cụm dữ liệu dễ nhận thấy và m << N. Sau đó xử
lý mỗi cụm như một đối tượng đơn.
 Rút ra các giả thuyết: Các giả thuyết này có liên quan đến tính tự nhiên
của dữ liệu và phải được kiểm tra bởi việc dùng một số tập dữ liệu khác.

 Kiểm định giả thuyết: Ta sẽ phân cụm để xét xem có tồn tại một tập dữ
liệu nào đó trong tập dữ liệu thoả mãn các giả thuyết đã cho hay không. Chẳng
hạn xem xét giả thuyết sau đây: “Các công ty lớn đầu tư ra nước ngoài“. Để
kiểm tra, ta áp dụng kỹ thuật phân cụm với một tập đại diện lớn các công ty.
Giả sử rằng mỗi công ty được đặc trưng bởi tầm vóc, các hoạt động ở nước
ngoài và khả năng hoàn thành các dự án. Nếu sau khi phân cụm, một cụm các
công ty được hình thành gồm các công ty lớn và có vốn đầu tư ra nước ngoài
(không quan tâm đến khả năng hoàn thành các dự án) thì giả thuyết đó được củng
cố bởi kỹ thuật phân cụm đã thực hiện.
5
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên




Nghiên cứu xây dựng luật mờ từ dữ liệu theo phân cụm – Lê Tuấn Tú – 2011 – ĐH CNTT&TT

 Dự đoán dựa trên các cụm: Đầu tiên ta sẽ phân cụm một tập dữ liệu
thành các cụm mang đặc điểm của các dạng mà nó chứa. Sau đó, khi có một
dạng mới chưa biết ta sẽ xác định xem nó sẽ có khả năng thuộc về cụm nào
nhất và dự đoán được một số đặc điểm của dạng này nhờ các đặc trưng chung
của cả cụm.
Cụ thể hơn, phân cụm dữ liệu đã được áp dụng cho một số ứng dụng
điển hình trong các lĩnh vực sau:
 Thương mại: Trong thương mại, phân cụm có thể giúp các thương nhân
khám phá ra các nhóm khách hàng quan trọng có các đặc trưng tương đồng
nhau và đặc tả họ từ các mẫu mua bán trong cơ sở dữ liệu khách hàng.
 Sinh học: Trong sinh học, phân cụm được sử dụng để xác định các loại
sinh vật, phân loại các Gen với chức năng tương đồng và thu được các cấu trúc
trong các mẫu.

 Phân tích dữ liệu không gian: Do sự đồ sộ của dữ liệu không gian như
dữ liệu thu được từ các hình ảnh chụp từ vệ tinh các thiết bị y học hoặc hệ
thống thông tin địa lý (GIS), …làm cho người dùng rất khó để kiểm tra các dữ
liệu không gian một cách chi tiết. Phân cụm có thể trợ giúp người dùng tự động
phân tích và xử lý các dữ liệu không gian như nhận dạng và chiết xuất các đặc
tính hoặc các mẫu dữ liệu quan tâm có thể tồn tại trong cơ sở dữ liệu không gian.
 Lập quy hoạch đô thị: Nhận dạng các nhóm nhà theo kiểu và vị trí địa
lý, … nhằm cung cấp thông tin cho quy hoạch đô thị.
 Nghiên cứu trái đất: Phân cụm để theo dõi các tâm động đất nhằm cung
cấp thông tin cho nhận dạng các vùng nguy hiểm.
 Địa lý: Phân lớp các động vật và thực vật và đưa ra đặc trưng của chúng
 Web Mining: Phân cụm có thể khám phá các nhóm tài liệu quan trọng,
có nhiều ý nghĩa trong môi trường Web. Các lớp tài liệu này trợ giúp cho việc
khám phá tri thức từ dữ liệu,…
6
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên




Nghiên cứu xây dựng luật mờ từ dữ liệu theo phân cụm – Lê Tuấn Tú – 2011 – ĐH CNTT&TT

1.3. Các yêu cầu của phân cụm
Việc xây dựng, lựa chọn một thuật toán phân cụm là bước then chốt cho
việc giải quyết vấn đề phân cụm, sự lựa chọn này phụ thuộc vào đặc tính dữ
liệu cần phân cụm, mục đích của ứng dụng thực tế hoặc xác định độ ưu tiên
giữa chất lượng của các cụm hay tốc độ thực hiện thuật toán, ...
Hầu hết các nghiên cứu và phát triển thuật toán PCDL đều nhằm thỏa
mãn các yêu cầu cơ bản sau:
 Có khả năng mở rộng: Nhiều thuật toán phân cụm làm việc tốt với

những tập dữ liệu nhỏ chứa ít hơn 200 đối tượng, tuy nhiên một CSDL lớn có
thể chứa tới hàng triệu đối tượng. Việc phân cụm với một tập dữ liệu cho lớn
có thể làm ảnh hưởng tới kết quả. Vậy làm các nào để chúng ta có thể phát triển
các thuật toán phân cụm có khả năng mở rộng cao đối với các CSDL lớn?
 Khả năng thích nghi với các kiểu dữ liệu khác nhau: Thuật toán có thể
áp dụng hiệu quả cho việc phân cụm các tập dữ liệu với nhiều kiểu dữ liệu
khác nhau như dữ liệu kiểu số, kiểu nhị phân, dữ liệu định danh, hạng mục, ...
và thích nghi với kiểu dữ liệu hỗn hợp.
 Khám phá các cụm với hình dạng bất kỳ: Do hầu hết các cơ sở dữ liệu
có chứa nhiều cụm dữ liệu với các hình thù khác nhau như: hình lõm, hình cầu,
hình que, ... Vì vậy, để khám phá được các cụm có tính tự nhiên thì các thuật
toán phân cụm cần phải có khả năng khám phá ra các cụm dữ liệu có hình thù
bất kì.
 Tối thiểu lượng tri thức cần cho xác định các tham số đầu vào: Do các
giá trị đầu vào thường ảnh hưởng rất lớn đến thuật toán phân cụm và rất phức
tạp để xác định các giá trị vào thích hợp đối với các CSDL lớn.
 Ít nhạy cảm với thứ tự của dữ liệu vào: Cùng một tập dữ liệu, khi đưa
vào xử lý cho thuật toán PCDL với các thứ tự vào của các đối tượng dữ liệu ở
các lần thực hiện khác nhau thì không ảnh hưởng lớn đến kết quả phân cụm.
7
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên




Nghiên cứu xây dựng luật mờ từ dữ liệu theo phân cụm – Lê Tuấn Tú – 2011 – ĐH CNTT&TT

 Khả năng thích nghi với dữ liệu nhiễu cao: Hầu hết các dữ liệu phân
cụm trong KPDL đều chứa đựng các dữ liệu lỗi, dữ liệu không đầy đủ dữ liệu
rác. Thuật toán phân cụm không những hiệu quả đối với các dữ liệu nhiễu mà

còn tránh dẫn đến chất lượng phân cụm thấp do nhạy cảm với nhiễu.
 Ít nhạy cảm với thứ tự của các tham số đầu vào: Nghĩa là giá trị của các
tham số đầu vào khác nhau ít gây ra các thay đổi lớn đối với kết quả
phân cụm.
 Thích nghi với dữ liệu đa chiều: Thuật toán có khả năng áp dụng hiệu
quả cho dữ liệu có số khác chiều nhau.
 Dễ hiểu dễ cài đặt và khả thi: Người sử dụng có thể chờ đợi những kết
quả phân cụm dễ hiểu, dễ lý giải và dễ sử dụng. Nghĩa là, sự phân cụm có thể
cần được giải thích ý nghĩa và ứng dụng rõ ràng. Việc nghiên cứu cách để một
ứng dụng đạt được mục tiêu rất quan trọng có thể gây ảnh hưởng tới sự lựa trọn
các phương pháp phân cụm.
Với những yêu cầu đáng chú ý này, nghiên cứu của ta về phân tích phân
cụm diễn ra như sau: Đầu tiên, ta nghiên cứu các kiểu dữ liệu khác và cách
chúng có thể gây ảnh hưởng tới các phương pháp phân cụm. Thứ hai, ta đưa ra
một cách phân loại chúng trong các phương pháp phân cụm. Sau đó, ta nghiên
cứu chi tiết mỗi phương pháp phân cụm, bao gồm các phương pháp phân
hoạch, các phương pháp phân cấp, các phương pháp dựa trên mật độ, các
phương pháp dựa trên lưới và các phương pháp dựa trên mô hình. Ta cũng
khảo sát sự phân cụm trong không gian đa chiều và các biến thể của các
phương pháp khác.
1.4. Những kỹ thuật tiếp cận trong phân cụm dữ liệu
Các kỹ thuật phân cụm có rất nhiều cách tiếp cận và các ứng dụng trong
thực tế. Các kỹ thuật phân cụm đều hướng tới hai mục tiêu chung: chất lượng
của các cụm khám phá được và tốc độ thực hiện của thuật toán. Tuy nhiên có
8
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên

Nghiên cứu xây dựng luật mờ từ dữ liệu theo phân cụm – Lê Tuấn Tú – 2011 – ĐH CNTT&TT

thể phân loại thành từng loại cơ bản dựa trên phân loại các phương pháp. Hiện
nay, các kỹ thuật phân cụm có thể phân loại theo các cách tiếp cận chính sau:
1.4.1. Phương pháp phân cụm phân hoạch
Ý tưởng chính của kỹ thuật này là phân hoạch một tập hợp dữ liệu có n
phần tử cho trước thành k nhóm dữ liệu sao mỗi phần tử dữ liệu chỉ thuộc về
một nhóm dữ liệu có tối thiểu ít nhất một phần tử dữ liệu. Số các cụm được
thiết lập là các đặc trưng được lựa chọn trước. Phương pháp này là tốt cho việc
tìm các cụm hình cầu trong không gian Euclidean. Ngoài ra, phương pháp này
cũng phụ thuộc vào khoảng cách cơ bản giữa các điểm để lựa chọn các điểm
dữ liệu nào có quan hệ là gần nhau với mỗi điểm khác và các điểm dữ liệu nào
không có quan hệ hoặc có quan hệ là xa nhau so với mỗi điểm khác. Tuy nhiên,
phương pháp này không thể xử lý các cụm có hình dạng kỳ quặc hoặc các cụm
có mật độ các điểm dầy đặc. Các thuật toán phân hoạch dữ liệu có độ phức tạp
rất lớn khi xác định nghiệm tối ưu toán cục cho vấn đề PCDL, do nó phải tìm
kiếm tất cả các cách phân hoạch có thể được. Chính vì vậy, trên thực tế thường
đi tìm giải pháp tối ưu cục bộ cho vấn đề này bằng cách sử dụng một hàm tiêu
chuẩn để đánh giá chất lượng của cụm cũng như để hướng dẫn cho quá trình
tìm kiếm phân hoạch dữ liệu. Với chiến lược này, thông thường bắt đầu khởi
tạo một phân hoạch ban đầu cho tập dữ liệu theo phép ngẫu nhiên hoặc
Heuristic và liên tục tinh chỉnh nó cho đến khi thu được một phân hoạch mong
muốn, thỏa mãn ràng buộc cho trước. Các thuật toán phân cụm phân hoạch cố
gắng cải tiến tiêu chuẩn phân cụm, bằng cách tính các giá trị đo độ tương tự
giữa các đối tượng dữ liệu và sắp xếp các giá trị này, sau đó thuật toán lựa chọn
một giá trị trong dẫy sắp xếp sao cho hàm tiêu chuẩn đạt giá trị tối thiểu. Như
vậy, ý tưởng chính của thuật toán phân cụm phân hoạch tối ưu cục bộ là sử
dụng chiến lược ăn tham (Greedy) để tìm kiểm nghiệm.
Lớp các thuật toán phân cụm phân hoạch bao gồm các thuật toán đề xuất
đầu tiên trong lĩnh vực KPDL cũng là thuật toán được áp dụng nhiều trong

thực tế như k-means, k-medoids, PAM, CLARA, CLARANS, ...
9
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên




Nghiên cứu xây dựng luật mờ từ dữ liệu theo phân cụm – Lê Tuấn Tú – 2011 – ĐH CNTT&TT

Thuật toán K-means là một trong những thuật toán phổ biến nhất. Nó
căn cứ vào khoảng cách giữa các đối tượng để phân cụm. Các đối tượng được
xếp vào một cụm dựa trên khoảng cách từ chúng tới tâm cụm. Trong thuật toán
này, chúng ta chọn một giá trị cho k (số các cụm mong muốn), sau đó chọn
ngẫu nhiên k đối tượng làm k cụm ban đầu. Tiếp theo ta tính toán khoảng cách
giữa từng đối tượng với k cụm này. Căn cứ vào khoảng cách tính được để xếp
từng đối tượng vào cụm thích hợp. Sau khi phân cụm, ta lại tìm tâm mới cho
từng cụm. Quá trình này được lặp lại cho đến khi tâm các cụm ổn định. Thuật
toán này có một vài phiên bản, phân biệt với nhau bằng hàm tính khoảng cách.
Thuật toán K-means thích hợp với các cụm dữ liệu có dạng hình cầu và tròn.
Tuy nhiên, K-means tỏ ra rất nhạy cảm với nhiễu và các phần tử ngoại lai.
Thuật toán tiếp theo là K-medoids. Thuật toán này sử dụng phương pháp
khác so với thuật toán K-means để tính trọng tâm của cụm, nhằm khắc phục
ảnh hưởng của nhiễu và các phần tử ngoại lai. Thuật toán này dùng đối tượng
nằm ở vị trí trung tâm nhất của cụm làm trung tâm. Phần tử này gọi là medoid
của cụm dod. Mỗi khi một cụm được bổ sung một phần tử mới, một medoid
được lựa chọn dựa trên các hàm chi phisddeer đảm bảo rằng chất lượng phân
cụm luôn được cải thiện. Cách tiếp cận này giúp K-medoid giảm nhẹ ảnh
hưởng của nhiễu và các phần tử ngoại lai, nhưng cũng làm tăng thời gian tính
toán so với K-means.
Một biến thể khác của K-medoids là PAM (Partitioning Around

Medoids), trong đó việc lựa chọn phần tử medoid phải thỏa mãn điều kiện sai
số bình phương là nhỏ nhất. Chất lượng phân cụm của PAM khá tốt, nhưng
thời gian thực hiện lâu hơn so với K-means và K-medoids. Tuy nhiên, PAM tỏ
ra không thích hợp đối với tập dữ liệu lớn.
1.4.2. Phương pháp phân cụm phân cấp
Phương pháp này xây dựng một phân cấp trên cơ sở các đối tượng dữ
liệu đang xem xét. Nghĩa là sắp xếp một tập dữ liệu đã cho thành một cấu trúc
10
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên




data error !!! can't not
read....


data error !!! can't not
read....


data error !!! can't not
read....


data error !!! can't not
read....


data error !!! can't not

read....



data error !!! can't not
read....


data error !!! can't not
read....


data error !!! can't not
read....


data error !!! can't not
read....


data error !!! can't not
read....


data error !!! can't not
read....

data error !!! can't not
read....

data error !!! can't not
read....

data error !!! can't not
read....


data error !!! can't not
read....

data error !!! can't not
read....