본 논문은 자질 선택과 군집 점수 최대화를 이용하여 대체 클러스터를 찾는 방법론을 제안한다. 우선 대체 클러스터를 찾기 위하여 중요한 자질을 찾고, 분류된 자질을 기준으로 대상 데이터를 변환하였으며, 대체 클러스터의 분류 품질을 높이기 위하여 군집 점수를 최대화하는 알고리즘을 적용하였다. UCI 데이터를 사용하여 실험한 결과, 제안한 방법론이 JI와 DI를 기준으로 한 평가에서 가장 높은 성능을 보였다. 본 결과는 자질 선택과 군집 점수의 최대화가 대체 클러스터를 찾는데 유용하다는 것을 보여준다.
We proposed a method for finding alternative clusterings of a dataset based on feature selection and direct maximization of clustering quality. We found the possible important features for the alternative clustering. We transformed the data using these features to make the original clustering not likely to be found while the alternative clustering is more likely to be found; we used a clustering algorithm that directly maximize the clustering quality so that the alternative clustering will be high quality. We tested our approach with some other approaches on our synthetic dataset, UCI datasets: Segmentation, Vehicle, Vowel, Ionosphere and Glass, and a textual dataset. Our approach was the most stable one as it resulted in the best JI and DI for most of the tests. Our results showed that feature selection and direct maximization of clustering quality are important for finding alternative clusterings.
