مقالات علمی پژوهشی کامپیوتر با فرمت Pdf صفحات 14
چکیده :
الگوریتمهای خوشهبندی دادهها را به گروههایی تقسیم میکنند؛ به صورتی که دادههای درون هرر خوشره بریش تررین شرباهت و داده هرای
خوشههای متفاوت کمترین شباهت را به یکدیگر داشته باشند. انتخاب روش خوشهبندی مناسب و معیار فاصله یا شباهت مورد استفاده برای
هر پایگاه داده، از اهمیت ویژهای برخوردار است. به منظور تعیین روش مناسب، اولین قدم شرناخت کرافی از سراختار داده هرای موجرود در
پایگاه داده است. به عنوان مثال، توزیع دادههای هر خوشه، تعداد خوشهها و ارتباطات درون خوشهای و بین خوشهای از جمله مواردی بوده
که بر انتخاب معیار فاصله یا شباهت و روش خوشهبندی تاثیر زیادی داشته و در بهینه سازی عمل خوشره بنردی اثرر مسرتقیم دارنرد . پر از
تحلیل ساختار دادهها، میتوان با توجه به ویژگیهای معیارهای فاصله یا شباهت و روشهای خوشهبندی، تصمیمگیرری نمرود ه و بهتررین و
مناسبترین الگوریتم خوشهبندی را برگزید. در این مقاله پ از تحلیل ساختار دادههای پایگاه داده سرطان سینه Wisconsin ، روشهای
مختلف خوشهبندی و معیارهای شباهت مناسب مورد بررسی قرار گرفته است. نتایج آزمایشات با تحلیلهرای صرورت گرفتره تقرابم کامرل
دارند.
واژگان کلیدی: خوشه بندی، یادگیری بدون نظارت، شبکههای عصبی، سرطان سینه
بررسی ساختارهای داده متفاوت جهت انتخاب روش خوشه بندی مناسب با مطالعه موردی بر روی پایگاه داده سرطان سینه Wisconsin
