سحر ترابی - دانشجوی کارشناسی ارشد رشته ی مهندسی نرمافزار کامپیوتر، دانشگاه آزاد اسلامی واحد تهران جنوب
مریم خادمی - استادیار دانشکده تحصیلات تکمیلی، دانشگاه آزاد اسلامی، واحد تهران جنوب، تهران، ایران

خوشه بندی یکی از تکنیک های اصلی در داده کاوی است و به معنای گروه بندی نمونه های مشابه در خوشه ها است.این تکنیک به دنبال کشف ساختار در داده ها از طریق بررسی شباهت ها یا تفاوت های میان آنها است. الگوریتم هایخوشه بندی را میتوان به چند دسته کلی تقسیم کرد که از جمله می توان الگوریتم های خوشه بندی انحصاری، الگوریتم هایخوشه بندی دارای همپوشانی، الگوریتم های خوشه بندی سلسله مراتبی و الگوریتم های خوشه بندی احتمالی را نام برد. دربسیاری از کاربردهای واقعی ممکن است خوشه ها دارای همپوشانی باشند، بدین صورت که برخی از اشیاء دارای صفاتمشترکی از چند خوشه باشند. یک راه منطقی برای لحاظ کردن همپوشانی خوشه ها انتساب مجموعه ای از درجه عضویتبه هر داده است. انتساب چندگانه درجه عضویت ناشی از ماهیت فازی خوشه ها است. مسأله دیگر اینکه مجموعه تمامیافرازهای حاصل از خوشه بندی قطعی بسیار زیاد می باشد و این امر جستجوی کامل فضا را بسیار دشوار می سازد در حالیکه خوشه بندی فازی عموماً دارای سربار کمتری است. در این مقاله به بررسی چند نمونه از الگوریتم های دارای همپوشانی(فازی) و معیارهای ارزیابی خوشه بندی پرداخته و پردازش روی یک مجموعه داده برای مقایسه الگوریتم انحصاری و فازیانجام می دهیم.

خوشه بندی فازی، اعتبارسنجی، تابع هدف