Un algoritmo multi-SOM migliorato

I metodi di clustering mirano a ottenere partizioni omogenee di oggetti promuovendo al contempo l'eterogeneità tra queste partizioni. Ogni approccio di clustering come i metodi gerarchici di partizionamento e neuronali presenta vantaggi e limiti. Ci concentriamo sui metodi neuronali in quanto superano i limiti dei metodi gerarchici e di partizionamento e sono gli approcci di clustering più appropriati da utilizzare per un gran numero di dati. In questo lavoro proponiamo un algoritmo multi-SOM che utilizza un criterio di valutazione diverso. È quindi necessaria una revisione delle misure di valutazione proposte in letteratura. Tuttavia il metodo multi-SOM insieme alla sua forza ed efficienza nella delimitazione dei cluster presenta anche un limite nella condizione di arresto.