مروری بر الگوریتمهای خوشه بندی پایه

خوشه بندی از وظایف بسیار مهم در آمار، شناسایی الگو، داده کاوی و یادگیری ماشین محسوب میشود. هدف خوشه بندی این است که مجموعه ای از اشیا دادهای را به چندین دسته گروهبندی کند، به طوری که اشیا داده درون یک دسته حداکثر شباهت را با یکدیگر و حداکثر تفاوت را با سایر اشیا داده درون دسته های دیگر داشته باشند. به هر یک از این دسته ها یک خوشه گفته میشود. اغلب در تعریف خوشه بندی فرض میشود که هر داده باید متعلق به حداقل یک خوشه (یعنی خوشه بندی کل دادهها باید انجام شود و نه بخشی از آن) و حداکثر یک خوشه (یعنی خوشه ها باید بدون همپوشانی باشند) باشد. چنان که گفته شد، هر دسته یا گروه را یک خوشه و فرآیند یافتن مجموعه ای از خوشه ها را خوشه بندی گوییم. به کل خوشه ها در کنار یکدیگر یک افراز و به مجموعه ای از افرازها مجمع میگوییم. این مقاله مروری بر روش خوشه بندی پایه ارائه شده خواهیم داشت و سپس نتایج بررسیها ارائه خواهد شد.

کلیدواژه ها:

خوشه بندی افرازی ، خوشه بندی سلسله مراتبی ، خوشه بندی مبتنی بر چگالی ، خوشه بندی مبتنی بر شبکه ، خوشه بندی مبتنی بر مدل