Алгоритмы Clarans, CURE, DBScan

Алгоритм Clarans (Clustering Large Applications based upon RANdomized Search) формулирует задачу кластеризации как случайный поиск в графе. В результате работы этого алгоритма совокупность узлов графа представляет собой разбиение множества данных на число кластеров, определенное пользователем. «Качество» полученных кластеров опреде­ляется при помощи критериальной функции. Алгоритм Clarans сортиру­ет все возможные разбиения множества данных в поисках приемлемого решения. Поиск решения останавливается в том узле, где достигается минимум среди предопределенного числа локальных минимумов.

Среди новых масштабируемых алгоритмов также можно отметить алгоритм CURE — алгоритм иерархической кластеризации и алгоритм DBScan, где понятие кластера формулируется с использованием кон­цепции плотности (density).

Основным недостатком алгоритмов BIRCH, Clarans, CURE, DBScan является то обстоятельство, что они требуют задания некоторых порогов плотности точек, а это не всегда приемлемо. Эти ограничения обусловлены тем, что описанные алгоритмы ориентированы на сверхбольшие базы дан­ных и не могут пользоваться большими вычислительными ресурсами.

Над масштабируемыми методами сейчас активно работают многие исследователи, основная задача которых — преодолеть недостатки алго­ритмов, существующих на сегодняшний день.