مروری بر روش های خوشه بندی موازی داده های حجیم

خوشه بندی یک تکنیک مناسب داده کاوی است که نقاط را طوری گروه بندی می کند که نقاطی با یک گروه خواص مشابه ی داشته باشند و نقاط مربوط به گروه های مختلف با یکدیگر متفاوت اند. این تکنیک به عنوان یک ابزار قدرتمند به منظور پردازش داده های تولیدشده توسط برنامه های مختلف گردیده است. مقیاس پذیری برای الگوریتم های خوشه بندی هر روز مهم و مهمتر می شود. افزایش پیچیدگی داده عمدتا منجر به پیدایش دو جنبه خواهد شد: حجم عظیم داده ها و ابعاد بالا. با پیشرفت های بیشتر پایگاه داده ها و تکنولوژی های اینترنت الگوریتم های خوشه بندی با چالش هایی درزمینه مدیریت رشد سریع داده مواجه هستند و علیرغم پیشرفت های قابل توجه در تکنولوژی پردازنده ها در زمینه سرعت، الگوریتم های خوشه بندی سریالی وظایف موردنیاز را در یک مدت زمان منطقی برای مجموعه داده های عظیم به طور کامل انجام نمی دهند. آنها در عمل نیازمند چندین پویش داده برای رسیدن به همگرایی می باشند که برای پایگاه داده های بزرگ این پویش بسیار گران تمام می شود. به علاوه، ممکن است مقدار حافظه موجود به قدری کافی نباشد که تمام داده را در یک کامپیوتر نگهداری کند. لذا اهمیت خوشه بندی موازی برای داده های حجیم بسیار پررنگ می شود. در این مقاله سعی در بررسی روش های موجود جهت خوشه بندی موازی داده های حجیم را داریم.

کلیدواژه ها:

داده های حجیم ، خوشه بندی ، خوشه بندی موازی ، خوشه بندی فازی