مروری بر روشهای 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 مشابهی داشتهباشند و نقاط مربوط به گروه های مختلف با یکدیگر متفاوت اند. این تکنیک به عنوان یک ابزار قدرتمند به منظور پردازشداده های تولیدشده توسط برنامه های مختلف گردیده است. مقیاس پذیری برای الگوریتم های خوشه بندی هرروز مهم و مهمترمی شود. افزایش پیچیدگی داده عمدتاً منجر به پیدایش دو جنبه خواهد شد: حجم عظیم داده ها و ابعاد بالا. با پیشرفت هایبیشتر پایگاه داده ها و تکنولوژی های اینترنت الگوریتم های خوشه بندی با چالش هایی درزمینه مدیریت رشد سریع داده مواجههستند و علیرغم پیشرفت های قابل توجه در تکنولوژی پردازنده ها در زمینه سرعت، الگوریتم های خوشه بندی سریالی وظایفموردنیاز را در یک مدتزمان منطقی برای مجموعه داده های عظیم به طور کامل انجام نمی دهند. آنها در عمل نیازمند چندینپویش داده برای رسیدن به همگرایی می باشند که برای پایگاه داده های بزرگ این پویش بسیار گران تمام می شود. بهعلاوه،ممکن است مقدار حافظه موجود به قدری کافی نباشد که تمام داده را در یک کامپیوتر نگهداری کند. لذا اهمیت خوشه بندیموازی برای داده های حجیم بسیار پررنگ می شود. در این مقاله سعی در بررسی روشهای موجود جهت خوشه بندی موازیداده های حجیم راداریم.

کلیدواژه ها:

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