نیلوفر مظفری - کارشناسی ارشد دانشگاه شیراز
مینا علی بیگی - کارشناسی ارشد دانشگاه شیراز
ستار هاشمی - استادیار دانشگاه شیراز
اشکان سامی - استادیار دانشگاه شیراز

خوشه بندی جمعی برای رویارویی با داده های با حجم بالا و تعداد ابعاد زیاد پیشنهاد شده است این مدل با استفاده از خوشه بندیهای مختلف و ترکیب نتایج حاصل سعی در بهبود خوشه بندی سنتی دارد امروزه حفظ امنیت و اختصاصی بودن داده ها از مهمترین چالشهای موجود در پردازش داده ها می باشد که بدین منظور می توان از خوشه بندی جمعی استفاده کرد. این مقاله روشی وزن دار برای ترکیب چندین خوشه بندی مختلف از داده ها ارائه می کند که علاوه بر حفظ اختصاصی بودن داده ها نسبت به خرابکاری نویز در محیطهای ناامن رفتارمناسبی نشان میدهد مدل ارائه شده دراین مقاله می تواند اختصاصی بودن داده ها را حفظ نماید. بدین مفهوم که با کمترین اطلاعات ممکن از داده ها و در نتیجه حفظ اختصاصی بودن آنها عمل ترکیب را انجام دهد.

خوشه بندی، خوشه بندی کننده، خوشه، ترکیب کننده، ویژگی، برچسب، خوشه بندی جمعی وزن دار