عبدالرضا رشنو - دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه تربیت معلم تهران
رویا امجدی فرد - عضو هیئت علمی گروه مهندسی کامپیوتر
حسین صادقیان نژاد - دانشجوی کارشناسی ارشد هوش مصنوعی

در هر سیستم داده کاوری از نقاط outlier تعبیرهای مختلفی مانند داده های نویزی، مبهم، نامعین و ... می شود. سیستم های داده کاوی هنگام پردازش داده ها، با outlier به صورتهای مختلفی برخورد می کنند دراینجا ابتدا ضعف الگوریتم خوشه بندی فازی و نیز محدودیتهای چند روش ارائه شده تاکنون را در برخورد با نقاط outlier نشان میدهیم و سپس روش جدیدی را ارایه می کنیم که مبنای اصلی آن خوشه بندی فازی است که به هر عنصر dataset دو پارامتر نسبت میدهد.

شناسایی نویز، خوشه بندی فازی، سیستم های داده کاوی