ارایه روشی برای خوشه بندی متراکم سلسله مراتبی با استفاده از حداقل افزایش حجم

ما در جهانی پر از داده زندگی می کنیم و هر روز با حجم وسیعی از اطلاعات که باید آن ها را ذخیره یا نمایش دهیم، روبه رو هستیم. پردازش داده، یکی از شاخص های بسیار مهم در دنیای اطلاعات است. این مقدار رو به رشد از اطلاعات موجب افزایش نیاز روز افزون به ابزارهای خودکار به منظور بررسی و پردازش این اطلاعات شده است. به طور سنتی، پاسخ داده کاوی به این وضعیت به دو روش طبقه بندی و خوشه بندی تقسیم می شود. خوشه بندی روشی برای تحلیل چند متغیره است. وجود شیوه های متعدد برای نمایش داده، اندازه گیری تشابه بین عناصر داده ای و گروه بندی آن ها باعث شده است که شیوه های خوشه بندی مختلفی داشته باشیم. روش های خوشه بندی سلسله مراتبی با یک سری از تقسیم بندی های متوالی انجام می شود، این روش ها را می توان به دو دسته ی کلی سلسله مراتبی تقسیمی و متراکم شونده تقسیم کرد. لذا در این مقاله روشی نوین را برای خوشه بندی متراکم (تجمعی) سلسه مراتبی را با استفاده از حداقل افزایش حجم ارایه خواهیم داد. نتایج به دست آمده از این تحقیق نشان خواهد داد که روش های خوشه بندی می توانند الگوهای تفسیری جدیدی را که قبل از خوشه بندی اعضا مشخص نشده بودند، آشکار سازند. شاید بتوان گفت، روش خوشه بندی سلسله مراتبی متراکم به دلیل معرفی یک نماینده برای هر خوشه، موشکافانه تر عمل کرده، در حالی که روش سلسله مراتبی ساده تر است. همچنین به نظر می رسد، اعضایی که براساس تشابهات جایگاه در کنار یکدیگر قرار می گیرند، دارای تشابهات عملکردی نیز هستند.

کلیدواژه ها:

خوشه بندی سلسله مراتبی ، حداقل افزایش حجم ، تحلیل چند متغیره ، داده کاوی