بررسی ساختارهای داده متفاوت جهت انتخاب روش خوشه بندی مناسب با مطالعه موردی بر روی پایگاه داده سرطان سینه Wisconsin

الگوریتم های خوشه بندی داده ها را به گروه هایی تقسیم می کنند؛ به صورتی که داده های درون هر خوشه بیش ترین شباهت و داده هایخوشه های متفاوت کمترین شباهت را به یکدیگر داشته باشند. انتخاب روش خوشه بندی مناسب و معیار فاصله یا شباهت مورد استفاده برایهر پایگاه داده، از اهمیت ویژه ای برخوردار است. به منظور تعیین روش مناسب، اولین قدم شناخت کافی از ساختار داده های موجود درپایگاه داده است. به عنوان مثال، توزیع داده های هر خوشه، تعداد خوشه ها و ارتباطات درون خوشه ای و بین خوشه ای از جمله مواردی بودهکه بر انتخاب معیار فاصله یا شباهت و روش خوشه بندی تاثیر زیادی داشته و در بهینه سازی عمل خوشه بندی اثر مستقیم دارند. پس ازتحلیل ساختار داده ها، می توان با توجه به ویژگی های معیارهای فاصله یا شباهت و روش های خوشه بندی، تصمیم گیری نموده و بهترین ومناسب ترین الگوریتم خوشه بندی را برگزید. در این مقاله پس از تحلیل ساختار داده های پایگاه داده سرطان سینه Wisconsin، روش هایمختلف خوشه بندی و معیارهای شباهت مناسب مورد بررسی قرار گرفته است. نتایج آزمایشات با تحلیل های صورت گرفته تطابق کاملدارند.

کلیدواژه ها:

خوشه بندی ، یادگیری بدون نظارت ، شبکه های عصبی ، سرطان سینه