داود ستوده - مربی گروه کامپیوتر، دپارتمان مهندسی برق و کامپیوتر، دانشکده منتظری، دانشگاه فنی و حرفه ای استان خراسان رضوی-ایران

خوشه بندی یکی از مهمترین بخش های مورد تحلیل در داده کاوی می باشد. هدف اصلی خوشه بندی، جداسازی داده ها به خوشه هایی است که به آن ها شباهت بیشتری نسبت به خوشه های دیگر دارند. محاسبه ارتباط و همبستگی بین داده ها، دو روش اصلی در الگوریتم هایی است که به موضوع خوشه بندی می پردازند. الگوریتم های بسیاری در این زمینه تا کنون معرفی شده است که انتخاب بهترین آن ها بر اساس نوع داده های موجود می تواند متفاوت باشد. برخی از الگوریتم ها ممکن است برای نوع خاصی از پراکندگی داده ها مناسب تر باشند در حالی که برخی از دیگر الگوریتم ها ممکن است داده های مرزی را به عنوان داده پرت در نظر بگیرد. در این نوشتار، با استفاده از یافتن ضریب همسایگی روشی ارائه شده است که می تواند داده ها را با کیفیت بالاتری نسبت به الگوریتم های موجود مانند K-means خوشه بندی نماید.

داده کاوی، خوشه بندی، ارتباط، همبستگی، ضریب همسایگی، k-means