ارائه متد ترکیبی جدید به منظور خوشه بندی به روش K-Means تقسیم و غلبه

روش انالیز خوشه ای در حقیق نوعی کاوش ابتدایی بدون دانش یا با دانش قبلی کم می باشد که تحقیقات زیادی در مورد آن به شکلهای متفاوت صورت پذیرفته است بسیار ی از تکنیکهای خوشه ای مواردی همچون اندازه و سطح داده ها را در نظر نمی گیرند. و در بسیار موارد اشیا یا نمونه های مشابه را به اشتباه و بدون توجه به اینکه ممکن است آنها در سطوح مختلفی قرار داشته باشند دریک خوشه قرار میدهند برای گروه های داده ای بسیار بزرگ و چندین بعدی قبل از اجرای تکنیکهای داده کاوی مرحله حذف برخی داده ها می بایست اعمال گردد روش خوشه بندی ترکیبی مطرح شده در این مقاله از دو مرحله خوشه بندی بصورت تقسیم و غلبه استفاده می نماید این روش بدین ترتیب است که در مرحله اول خوشه بندی به منظرو گروه بندی نمونه های هم سطح کل فضا را به زیرفضاهایی تبدیل کرده و درمرحله دوم به خوشه بندی هریک از زیرفضاها به روش K-Means می پردازد و مشکل مطرح شده به عنوان عدم هماهنگی را حذف می نماید این روش هیچ بعدی را حذف نخواهد کرد و به جای آن زیرفضاهای کوچکتر را انتخاب می نماید و براساس همین زیرفضاها عمل خوشه بندی را انجام میدهد.

کلیدواژه ها:

داده کاوی ، خوشه بندی ، K-means ، تقسیم و غلبه ، انالیز شخصیتی