ارائه راهکاری برای خوشه بندی داده های بسیارحجیم به منظور اهداف داده کاوی

کاربردهای زیادی وجود دارند که درآنها خوشه بندی مجموعه الگوهای بزرگ ضروری است اکثرتقریب ها و الگوریتم های تعریف شده توانایی دستکاری این مجموعه داده های بزرگ را ندارند دراین مقاله به بررسی مزایا و معایب هریک ازالگوریتم های خوشه بندی برای داده های حجیم نظیر CURE ، CLARANS، BIRCHوCOBWEB پرداخته شده است سپس یک روش پیشنهادی جدید خوشه بندی برای داده های بسیار بزرگ ارایه شده است و هدف این بوده است که مناسب برای حالتهایی باشد که امکان بارگذاری همزمان همه داده ها درحافظه وجود نداردوداده ها بصورت بلا های متوالی بارگذاری میشوند این الگوریتم ازسه فاز اصلی تشکیل شده است درفاز نخست فضای کل داده ها به ناحیه های یکسان تقسیم بندی میشوند درفاز دوم ناحیه دربرگیرنده هرداده مشخص شده و داده های تعلق یافته به هرناحیه باکمیت های حداقلی به صورت فشرده ذخیره میشوند و هرناحیه متناظر بایک خوشه اولیه می باشد همچنین درفاز سوم بعضی ازخوشه های اولیه بصورت سلسله مراتبی باهم ترکیب شده و خوشه های نهایی را تشکیل میدهند برای ارزیابی کارایی روش پیشنهادی مجموعه داده های مصنوعی تولید شده و الگوریتم به این داده ها اعمال شده است و نتیجه خوشه بندی خوبی حاصل شده است

کلیدواژه ها:

داده کاوی ، خوشه بندی ، مجموعه داده های بزرگ