ارائه یک روش خوشه بندی برای داده های حجیم مبتنی بر الگوریتم خوشه بندی سی-میانگین و معماری نگاشت-کاهش

مانند تمامی زمینه های تحقیقاتی دیگر در علم کامپیوتر، در خوشه بندی نیز همیشه مباحث مربوط به آنالیز الگوریتمهای خوشه بندی و پیچیدگی زمانی و فضایی آن مطرح میباشد. پدیدار شدن مبحث داده های حجیم در سالیان اخیر نیز چالشهای بسیار زیادی برای پیچیدگی الگوریتمهای خوشه بندی به وجود آورده است. تکنیکهای سنتی خوشه بندی داده ها نمیتوانند برای این حجم از داده مورد استفاده قرار گیرند، دلیل این امر هم پیچیدگی بالا و زمان اجرای بالای آنها میباشد. از همینرو در این تحقیق الگوریتم خوشه بندی نوآورانهای برای کارایی بهتر بر روی داده های حجیم ارائه شده است. در این الگوریتم از قدرت الگوریتم کلونی زنبور عسل و همچنین سرعت بالای خواندن و نوشتن در پایگاه داده Apache Hbase کمک گرفته شده است تا الگوریتم خوشه بندی با کارایی مناسب و دقت بالا برای حجم بسیار زیادی از داده ارائه شود. نتایج شبیه سازی بر روی مجموعه داده NUS-WIDE که دارای ۸ گروه از تصاویر مختلف است نشان میدهد که الگوریتم ارائه شده در مقایسه با سایر روشهای خوشه بندی داده های حجیم از کارایی و دقت بالاتری برخوردار است.