ارائه راهکاری برای خوشه بندی داده های بسیار حجیم به منظور اهداف دادهکاوی

کاربردهای زیادی وجود دارند که در آنها خوشه بندی مجموعه های الگوهای بزرگ ضروری است. الگوریتم های اکثر برای همکاری با داده های بزرگ را ندارند. در این مقاله به بررسی مزایا و معایب هر یک از الگوریتم های خوشه بندی برای داده های حجیم نظیر BIRCH، CLARANS، CURE، COBWEB پرداخته شده است. پس یک روش پیشنهادی جدید خوشه بندی برای داده های بسیار بزرگ ارائه شده است و هدف این بوده است که مناسب برای حالت هایی باشد که امکان بارگذاری همزمان همه داده ها در حافظه وجود ندارد و داده ها به صورت متوالی بارگذاری می شوند. این الگوریتم از چند فاز تشکیل شده است. در فاز نخست فضای کل داده ها به ناحیه های یکسان برشی می شود، در فاز دوم ناحیه ها در برگیرنده هر داده مشخص شده و داده های بعدی به هر ناحیه با کمیت های حداقل به ورودی فشرده ذخیره می شوند و هر ناحیه متناظر با یک خوشه اولیه می باشد. همچنین در فاز سوم، بعضی از خوشه های اولیه به صورت مرابط با هم برکی شده و خوشه های نهایی را تشکیل می دهند. برای ارزیابی کارآیی روش پیشنهادی، مجموعه داده های مصنوعی بولد شده و الگوریتم به این داده ها اعمال شده و نتیجه خوشه بندی خوبی حاصل شده است.

کلیدواژه ها:

داده کاوی ، خوشه بندی ، مجموعه دادههای بزرگ