خوشه بندی کلان داده ها

با آغاز عصر جدید داده به سرعت نه تنها در اندازه همچنین در انواع رشد کرده است. داده های جمع آوری شده به مقدار زیادی در حد ترابایت و پتابایت که بیش از حد بزرگ، پویا و پیچیده هستند به عنوان کلان داده مطرح شده اند. روش های داده کاوی سنتی نمی توانند به طور مستقیم بر روی داده های بزرگ با مشکلاتی از قبیل جمع آوری و ارزیابی و تجزیه و تحلیل و ذخیره و مدیریت آنها مواجه شوند و الگوریتم های خوشه بندی به عنوان یک ابزار متا یادگیری قدرتمند است که دقیقا می تواند تجزیه و تحلیل حجم اطلاعات تولید شده توسط برنامه های کاربردی مدرن توسعه یافته است. هدف اصلی این مقاله دسته بندی داده ها به خوشه مانند گروه بندی اشیاء در یک خوشه با توجه به شباهت ها، صفات و رفتار هستند. در این مقاله بررسی برخی از تکنیک های خوشه بندی برای تجزیه و تحلیل داده ها" href="https://civilica.com/search/paper/k-%DA%A9%D9%84%D8%A7%D9%86%20%D8%AF%D8%A7%D8%AF%D9%87%20%D9%87%D8%A7/">کلان داده ها مورد بحث قرار گرفته شده است و بهترین تکنیک برای این قضیه پیشنهاد می گردد.

Keywords:

خوشه بندی , کلان داده ها , تکنیک , داده