خلاصه مقاله:
خوشه بندي عبارت است از فرآيند طبقه بندي مجموعه داده هاي موجود به خوشه هاي مختلف بطوريكه داده هاي داراي ويژگي هاي مشترك در يك خوشه قرار گيرند. الگوريتم هاي خوشه بندي سعي دارند مجموعه داده ها را به نواحي مجزا تجزيه نمايند.
الگوريتم هاي خوشه بندي به سه گروه تقسيم بندي مي گردند: سلسله مراتبي، تقسيمي هم پوشاني.
در حالي كه الگوريتم هاي متفاوتي براي خوشه بندي داده ها وجود دارد، اين مقاله بر روي دو الگوريتم آشناي خوشه بندي يعني (FCM(Fuzzy k-means , k-means ، مراحل پياده سازي ومزايا و معايب هر كدام تاكيد دارد. علاوه بر آن در اين مقاله انواع مختلف فاصله هاي متريك كه در فرايند طبقه بندي مورد استفاده قرار مي گيرند. شامل فاصله اقلديسي و مربع آن، فاصله مانهاتان، معيار همبستگي پيرسون و مربع آن، فاصله Chebychev و مربع معيار همبستگي اسپيرمن تعريف گرديده اند.
كلمات كليدي:
تكنيكهاي خوشه بندي ، خوشه بندي به روش k_means ، خوشه بندي به روش FCM ، فاصله هاي متريك
سلام من متوجه نشدم فکر می کنم نام این مقاله اشتباه انتخاب شده است زیرا روشهای خوشه بندی بذات بدون نظارت هستند لذا فکر می کنم "به روش بدون نظارت" هشو باشد.
سلام من متوجه نشدم فکر می کنم نام این مقاله اشتباه انتخاب شده است زیرا روشهای خوشه بندی بذات بدون نظارت هستند لذا فکر می کنم "به روش بدون نظارت" هشو باشد.