روشی جدید خوشه بندی برای داده های بزرگ در داده کاوی

کاربردهای زیادی وجود دارند که در آنها خوشه بندی مجموعه الگوهای بزرگ ضروری است. اکثر تقریب ها و الگوریتم های تعریف شده قوانایی دستکاری این مجموعه داده های بزرگ را ندارند. در این مقاله به بررسی مزایا و معایب هر یر از الگوریتم های خوشه بندی برای داده های حجیم نظیر BIRCH ، CLARANS ، CURE ، COBWEB پرداخته شده است. سپس یک روش پیشنهادی جدید خوشه بندی برای داده های بسیار بزرگ ارائهشده است و هدف این بوده است که مناسب برای حالت هایی باشد که امکان بارگذاری همزمان همه داده ها در حافظه وجود ندارد و داده ها بصورت بلاک های متوالی بارگذاری می شوند. این الگوریتم از سه فاز اصلی تشکیلشده است، در فاز نخست فضای کل داده ها به ناحیه های یکسان تقسیم بندی می شود، در فاز دوم ناحیه در برگیرنده هر داده مشخص شده و داده های تعلق یافته به هر ناحیه با کمیت های حداقلی به صورت فشردهذخیره می شوند و هر ناحیه متناظر با یک خوشه اولیه می باشد. همچنمن در فاز سوم، بعضی از خوشه های اولیه بصورت سلسله مراقبی با هم ترکیب شده و خوشه های نهایی را تشکیل می دهند. برای ارزیابی کارآیی روشپیشنهادی، مجموعه داده های مصنوعی تولید شده و الگوریتم به این داده ها اعمال شده است و نتیجه خوشه بندی خوبی حاصل شده است.