بررسی روش های خوشه بندی بر اساس الگوریتم فازی c-means

داده کاوی کاویدن و استخراج از منابع عظیم داده است تا اطلاعات گرانبهایی که در حجم انبوهی از اطلاعات سطحی پنهان شده است را استخراج کند یکی از مهمترین روش های داده کاوی خوشه بندی است که کاربرد بسیاری در کشف دانش دارد خوشه بندی یکی از شاخه های یادگیری بدون نظارت می باشد خوشه بندی گروه بندی داده ها در گروه های معقول است به نحوی که داده ها در خوشه های یکسان بیشترین شباهت و در خوشه های متفاوت کمترین شباهت را با یکدیگر داشته باشند برای خوشه بندی روش های زیادی ارائه شده است در میان روش های مختلف در خوشه بندی داده ها روش فازی c-means به طور گسترده در زمینه های مختلف مورد استفاده قرار می گیرد الگوریتم استاندارد خوشه بندی فازی c-means دارای یک سری نواقص است در نتیجه روش هایی که اخیرا ارائه شده است تلاش کرده اند تا این نواقص و معایب را برطرف کنند در این مقاله مرور کلی بر روش های خوشه بندی داده ها صورت گرفته سپس الگوریتم های پیش تر ارائه شده در خوشه بندی داده ها مورد بررسی قرار گرفته و مزایا و معایب هر الگوریتم مورد بحث قرار می گیرد

کلیدواژه ها:

داده کاوی ، خوشه بندی ، خوشه بندی فازی c-means