بررسی پیشرفت های اخیر در خوشه بندی

یادگیری بی نظارت ( خوشه بندی) با نمونه هایی سر و کار دارد که از قبل به هر طریق دسته بندی شده و به همین خاطرمشخصه کلاسی در رابطه با آنها وجود ندارد. حدود کاربرد الگوریتم های خوشه بندی، برای کشف کلاس های مفید اما ناشناخته ازآیتم ها می باشد. یادگیری بی نظارت شیوه ای برای یادگیری است که نمونه ها به صورت خودکار وبر مبنای تشابهشان درگروه های معنادارقرار داده می شوند. این مقاله، مفاهیم بنیادی یادگیری غیرنظارت شده را معرفی و در عین حال الگوریتم هایخوشه بندی اخیر را مورد بررسی قرار می دهد. به علاوه، پیشرفت های اخیر در یادگیری بی نظارت، نظیر مجموعه های الگوریتم هایخوشه بندی و خوشه بندی توزیع شده، شرح داده شده است.