عنوان مقاله: تکنينکهاي خوشه بندي CLUSTERING TECHNIQUES

قالب بندی: word

تعداد صفحات: 33

شرح مختصر:

هدف اين گزارش فراهم کردن مطالعه اي جامع، از تکنيکهاي متفاوت خوشه بندي، در داده کاوي است. خوشه بندي, تقسيم داده ها به گروههايي از اشيا مشابه است. هر گروه، خوشه ناميده مي شود، که اشياء هر خوشه به يکديگر شبيه بوده ونسبت به اشياء ديگر خوشه ها شبيه نيستند. نمايش داده ها با تعداد خوشه هاي کم، به الزام باعث از بين رفتن جزئياتخواهد شد (شبيه از دست رفتن اطلاعات، در فشرده سازي)، اما اين کار باعث ساده سازي مسائل مي شود. تکنيک خوشه بندي، تعداد زيادي از اشياء داده اي را با تعداد کمي خوشه، نمايش مي دهد، بنابراين اين تکنيک، داده ها را با خوشه هاي شان مدل مي کند. به لحاظ مدلسازي داده ها ريشه هاي ايجاد تکنيک خوشه بندي، رياضيات، آمار و آناليزعددي مي باشد. ازديدگاه يادگيري ماشين ، خوشه ها مترادف با الگوهاي مخفي ، جستجو براي يافتن خوشه ها يعني يادگيري بي سرپرست ، و سيستم حاصل بيانگر مفهوم داده ، مي باشد. بنابراين، خوشه بندي يادگيري بي سرپرست مفهوم داده مخفي،مي باشد.

داده کاوي با پايگاه داده هاي بزرگ، نيازهاي سخت محاسباتي به تکنيک آناليز خوشه ها تحميل مي کند. اين چالش و راه حل هاي ارائه شده براي آن در داده کاوي، مورد توجه اين گزارش مي باشد.

فهرست مطالب:

١- مقدمه

٢- معرفي داده کاوي

2-1 چه چيزي سبب پيدايش داده کاوي شده است؟

2-2داده کاوي چيست؟

2-3چه نوع الگوهايي با داده کاوي قابل دريافت هستند؟

٣- تکنيکهاي داده کاوي

3-1 تکنيک توصيف مشخصه

3-2 آناليز تداعي

3-3 کلاس بندي و پيش بيني

3-4 آناليز خوشه ها

3-5 آناليز عدم توافق

3-6 آناليز سير تکامل

4- تکنيک خوشه بندي

4-1 علائم نشانه گذاري

4-2 شرح مختصر تاريخجه تکنيک خوشه بندي

4-3 دسته بندي الگوريتمهاي خوشه بندي

4-4 شرح دسته بندي الگوريتمهاي خوشه بندي

4-5 نتايج مهم

۵- خوشه بندي سلسله مراتبي

5-1 اندازهء اتصال

5-2 خوشه بندي سلسله مراتبي با اشکال دلخواه خوشه

5-3 افراز تقسيمي دودويي

5-4 ديگر توسعه ها

6-روشهاي افرازي بازمکاني

6-1 خوشه بندي احتمالاتي

6-2روشهاي مبتني بر k- ميانه

6-3 روشهاي مبتني برk-متوسط

٧- افراز بر اساس تراکم

7-1اتصال مبتني برتراکم

7-2تابع تراکم

٨- جمع بندي