بررسی پیشرفتهای اخیر در خوشه بندی

یادگیری بی نظارت ( خوشه بندی) با نمونه هایی سر و کار دارد که از قبل به هر طریق دسته بندی شده و به همین خاطر مشخصه کلاسی در رابطه با آنها وجود ندارد. حدود کاربرد الگوریتم های خوشه بندی، برای کشف کلاس های مفید اما ناشناخته از آیتم ها می باشد. یادگیری بی نظارت شیوه ای برای یادگیری است که نمونه ها به صورت خودکار وبر مبنای تشابهشان در گروههای معنادارقرار داده می شوند. این مقاله، مفاهیم بنیادی یادگیری غیرنظارت شده را معرفی و در عین حال الگوریتم های خوشه بندی اخیر را مورد بررسی قرار می دهد. به علاوه، پیشرفتهای اخیر در یادگیری بی نظارت، نظیر مجموعه های الگوریتم های خوشه بندی و خوشه بندی توزیع شده، شرح داده شده است.

کلیدواژه ها:

تحلیل الگو ، هوش ماشین ، سیستم های هوشمند