خوشه بندی داده ها یک ابزار پایه موجود برای درک ساختار مجموعه داده ها است. فرایندی که داده ها را در گروه های از اشیاء شبیه به هم قرار میدهد خوشه بندی نام دارد. خوشه بندی یکی از مهمترین مسائل بدون ناظر برای یافتن ساختار در یک مجموعه داده های برچسب نخورده است. الگوریتم های خوشه بندی با توجه به نوع داده ها به دو دسته تقسیم می شوند: الگوریتم های خوشه بندی داده های عددی و الگوریتم های خوشه بندی داده های دسته ای. الگوریتم های خوشه بندی داده های دسته ای به دلیل ماهیت و کاربرد این داده ها نسبت به الگوریتم های خوشه بندی داده های عددی از اهمیت بالایی برخوداراند. در این مقاله ابتدا به بررسی ماهیت این نوع داده ها پرداخته و سپس معیارهای شباهت و الگوریتم های خوشه بندی مطرحشده در این حوزه را بررسی می کنیم و در انتها، روشی ترکیبی، برپایه ترکیب دو الگوریتم خوشه بندی سلسلهمراتبی و خوشه بندی تفکیکی برای خوشه بندی بهتر این نوع داده ها ارائه می دهیم. آزمایشات نشان می دهد که روش ارائه شده در این مقاله نتایج حاصل از خوشه بندی را بهبود می بخشد.
Daneshpour, Negin, & Nabiloo, Maryam. (1394). یک الگوریتم ترکیبی خوشه بندی جدید در رویکرد داده های دسته ای. مجله علمی رایانش نرم و فناوری اطلاعات, 4(4), -.
MLA
Negin Daneshpour; Maryam Nabiloo. "یک الگوریتم ترکیبی خوشه بندی جدید در رویکرد داده های دسته ای". مجله علمی رایانش نرم و فناوری اطلاعات, 4, 4, 1394, -.
HARVARD
Daneshpour, Negin, Nabiloo, Maryam. (1394). 'یک الگوریتم ترکیبی خوشه بندی جدید در رویکرد داده های دسته ای', مجله علمی رایانش نرم و فناوری اطلاعات, 4(4), pp. -.
VANCOUVER
Daneshpour, Negin, Nabiloo, Maryam. یک الگوریتم ترکیبی خوشه بندی جدید در رویکرد داده های دسته ای. مجله علمی رایانش نرم و فناوری اطلاعات, 1394; 4(4): -.