بررسی تکنیکهای مختلف خوشه بندی به روش نظارت نشده

خوشه بندی عبارت است از فرآیند طبقه بندی مجموعه داده های موجود به خوشه های مختلف بطوریکه داده های دارای ویژگی های مشترک در یک خوشه قرار گیرند. الگوریتم های خوشه بندی سعی دارند مجموعه داده ها را به نواحی مجزا تجزیه نمایند. الگوریتم های خوشه بندی به سه گروه تقسیم بندی می گردند: سلسله مراتبی، تقسیمی هم پوشانی. در حالی که الگوریتم های متفاوتی برای خوشه بندی داده ها وجود دارد، این مقاله بر روی دو الگوریتم آشنای خوشه بندی یعنی (FCM(Fuzzy k-means , k-means ، مراحل پیاده سازی ومزایا و معایب هر کدام تاکید دارد. علاوه بر آن در این مقاله انواع مختلف فاصله های متریک که در فرایند طبقه بندی مورد استفاده قرار می گیرند. شامل فاصله اقلدیسی و مربع آن، فاصله مانهاتان، معیار همبستگی پیرسون و مربع آن، فاصله Chebychev و مربع معیار همبستگی اسپیرمن تعریف گردیده اند.

کلیدواژه ها:

تکنیکهای خوشه بندی ، خوشه بندی به روش k_means ، خوشه بندی به روش FCM ، فاصله های متریک