کلاستر گذاری منابع بانک ها جهت دسترسی بهتر به منابع با استفاده از الگوریتم های فراابتکاری

اگر چه، این حجم عظیم داده واقعا برای مردم و شرکت ها می تواند مفید می باشد، اما مشکل ساز نیز است.مشکلی که در راستای این پیشرفت وجود دارد ، آنالیز و تجزیه و تحلیل داده های بزرگ است. با استفاده ازتکنیک های داده کاوی می توان اطلاعات مفید و روابط پنهان میان داده ها را استخراج کرد. روش های سنتی دادهکاوی به علت سرعت پایین ، نمی توانند بطور مستقیم برروی داده های بزرگ اجرا شوند و ما باید به دنبال راهحلی باشیم که بتوانیم با آنها داده های بزرگ را مورد تجزیه و تحلیل قرار دهیم در این پژوهش خوشه بندی دادههای بزرگ بانکی با استفاده از الگوریتم خوشه بندی سلسله مراتبی و رقابت استعماری بررسی شده و نتایجحاصل از آن با برخی از روش های موجود در این زمینه مقایسه شده است.در عصر دیجیتالی کنونی، سرعت درتغییر حجم و تنوع داده ها تفاوت چشمگیری نسبت به دهه های قبل داشته است. با توجه به پیشرفت و توسعه یزیاد اینترنت و تکنولوژی های جهانی آن لاین از قبیل سرورهای قدرتمند و بزرگ داده، هر روز با حجم عظیمیاز اطلاعات و داده ها از منابع و سرویس های متفاوت روبرو می شویم که در دهه های گذشته وجود نداشت دراین پژوهش خوشه بندی داده های بانکی با استفاده از الگوریتم خوشه بندی سلسله مراتبی و رقابت استعماریبررسی شده و نتایج حاصل از آن با برخی از روش های موجود در این زمینه مقایسه شده است. . الگوریتمپیشنهادی روی چند پایگاه داده مورد بررسی قرار گرفته اند و نتایج مطلبوبی را شامل شده اند نتایج در اینپژوهش نشان میدهد، ارزیابی الگوریتم پیشنهادی نشان می دهد که روش پیشنهاد شده در این پایان نامه نسبت بهبرخی از روش های موجود در این زمینه پاسخ های بهتری داشته و عملیات خوشه بندی را بصورت بهتر و باسرعت و دقت بالاتر و زمان اجرای کمتری نسب به سایر روش ها انجام می دهد.