شاهو زارعی

در برخی مسائل کاربردی، هنگام خوشه‌بندی متغیر مورد نظر، متغیرهای کمکی مفیدی در دسترس هستند. دو پرسش اصلی در این زمینه مطرح می‌شود: چگونه می‌توان از این اطلاعات کمکی در فرآیند خوشه‌بندی بهره برد؟ آیا استفاده از متغیرهای کمکی می‌تواند دقت خوشه‌بندی را بهبود بخشد؟ در بسیاری از مجموعه داده‌ها، داده‌های پرت (دور افتاده) وجود دارند. برای مدل‌سازی این داده‌ها در خوشه‌بندی مبتنی بر مدل‌های رگرسیونی، می‌توان از توزیع‌های دم کلفت استفاده کرد. در این ارائه، ضمن پاسخ به پرسش‌های مطرح شده، با استفاده از توزیع‌های دم کلفت مانند توزیع t و توزیع آلفا-پایدار، یک مدل پایدار برای خوشه‌بندی پیشنهاد می‌شود. سپس، با انجام مطالعات شبیه‌سازی و تحلیل داده‌های واقعی، مزایا و معایب این مدل‌ها بررسی خواهد شد.