Bağışıklık sistemi sitokin sinyalleşmesinden esinlenen yeni bir kümeleme algoritması. K-Means veya DBSCAN’e kıyasla gürültü ve konveks olmayan kümeler ile daha iyi başa çıkar.
Her nokta, mesafe ile ters orantılı ve yoğunlukla ağırlıklandırılmış bir sitokin sinyali yayar:
$$ S_i = \sum_{j \in N_\epsilon(i)} \exp\Big(-\frac{d(x_i, x_j)^2}{2\sigma^2}\Big) \cdot w_j $$
Burada \( S_i \) nokta \( i \) üzerindeki sinyaldir, \( d(x_i, x_j) \) Öklid mesafesidir, \( \sigma \) duyarlılık faktörüdür, \( w_j \) ise yoğunluk ağırlığıdır.
Kümeler, merkezler arası mesafe eşik değerinin altında ise birleştirilir:
$$ d(C_a, C_b) < D_{\max} $$
Silhouette(TRCC) = 0.71 vs DBSCAN = 0.52
TRCC, bağışıklık ilhamlı yapay zekâ için yeni yollar açar. Kullanım alanları: siber güvenlik IDS, biyomedikal kümeleme ve anomali tespiti.