ابراهیم بهروزیان نژاد - گروه کامپیوتر، دانشگاه آزاد اسلامی واحد شوشتر ، شوشتر، ایران
محمد بهروزیان نژاد - دانشگاه آزاد اسلامی واحد شوشتر، آموزشکده فنی و حرفه ای سما، شوشتر، ایران
شادی افتخار - دانشگاه آزاد اسلامی واحد شوشتر، باشگاه پژوهشگران جوان و نخبگان، شوشتر، ایران

داده کاوی شامل فرایند دانش نهفته از میان انبوهی از اطلاعات می باشد. این دانش می تواند ملاک تصمیم گیری های آتی و عملکردهای سیستم باشد. در سالهای اخیر استفاده از تکنیکهای دادهکاوی و الگوریتمهای هوشمند فراگیر شده است. بسیاری از کارهایی که در گذشته با صرف هزینه های زمانی و مالی فراوان حاصل شدهاند، میتوانند توسط این تکنیکها و الگوریتمها انجام گردند. یکی از مهمترین تکنیک های داده کاوی خوشه بندی می باشد. در روش های خوشه بندی با استفاده از معیارهای تشابه و عدم تشابه خوشه بندی داده ها انجام می پذیرد. اغلب داده های درون یک خوشه دارای بیشترین شباهت می باشند؛ درحالیکه میان خود خوشه ها تفاوتهای معنی داری وجود دارد. الگوریتم های متفاوتی برای خوشه بندی ارائه شده است که هر کدام دارای نقاط ضعف و قوت مختص به خود می باشند. در این مقاله مباحث مربوط به خوشه بندی داده ها مطرح شده و چند الگوریتم مشهور خوشه بندی بررسی و با استفاده از معیارهای مختلف مورد ارزیابی قرار می گیرند.

داده کاوی، خوشه بندی، مصورسازی، دسته بندی