بررسی روش های خوشه بندی داده از دید داده کاوی

مسئله خوشهبندی دادهها یک مسئله اساسی در انواع حوزه های علوم کامپیوتر و زمینه های مرتبط با آن می باشد. یادگیری ماشین ، کاهش داده، آمار، پردازش تصویر، تشخیص الگو، شبکه و بیوانفورماتیک از خوشه بندی برای تحلیل داده هایشان استفادهمی کنند. خوشه بندی داده ها یک نقش مهم در دامنه وسیعی از برنامه های کاربردی مانند بازیابی اطلاعات بازی می کند و یک مرحله اساسی در فرآیند داده کاوی می باشد. در این فرآیند مجموعه ای ازاشیا مشابه هم درون یک خوشه تنها گروهبندی می شوند. هر یک از این خوشه ها یا گروهها، یک کلاستر نام دارد که شامل اشیایی است که شبیه به یکدیگرند و با اشیای از گروههایدیگر تجانس وشباهت کمتری دارند. هدف از این تحقیق بررسی جامع روش ها و تکنیک های مختلف خوشه بندی داده از دید داده کاوی می باشد.

کلیدواژه ها:

خوشه بندی داده ، کلاستر ، خوشه بندی سلسله مراتبی ، خوشه بندی مبتنی بر چگالی ، خوشه بندی مبتنی برگرید