XML English Abstract Print


دانشگاه قم. قم.ایران
چکیده:   (577 مشاهده)
خوشه­بندی به‌ عنوان یک فرایند در جهت شناخت ماهیت و ساختار داده­ها نقش مهمی در سازمان‌دهی داده­ها در بسیاری از حوزه­های علوم و فناوری­های مرتبط با آن دارد. یکی از الگوریتم‌های پرکاربرد و ساده خوشه‌بندی، کا-میانه است. پژوهش حاضر با هدف مرور نظام­مند تحقیقات در زمینه بهبود الگوریتم کامیانه برای خوشه بندی داده­ها صورت گرفته است. این پژوهش با یک راهبرد جدید بر مبنای کاستی­های الگوریتم کا-میانه به بررسی تحقیقات انجام شده در این زمینه و نقش آن در سازماندهی داده­ها در محدوده سال­های 2010 تا 2020 می­پردازد. برای این منظور میزان توجه پژوهشگران به رفع هر یک از کاستی­های این الگوریتم در جهت بهبود آن طی سال­های اخیر در قالب پرسش­های پژوهش تدوین شده است. در این پژوهش با استفاده از استراتژی­ جستجو، پالایش و استخراج مقاله­ها در نهایت47 منبع مرتبط شناسایی و مورد بررسی قرار گرفتند. یافته­ها نشان داد، که بیشترین تحقیقات صورت گرفته با غلبه بر کاستی حساس به مراکز خوشه اولیه در جهت بهبود الگوریتم کا-میانه انجام شده است. همچنین از مجموع 47 تحقیق مورد بررسی، الگوریتم بهبود یافته کا-میانه، 35 تحقیق بر روی داده­های غیرمتنی و در 12 تحقیق بر روی داده­های متنی اعمال شده است. در آخر نتیجه حاصل از بررسی 6 تحقیق از تحقیقات صورت گرفته، نشان داد که حجم داده­ها رابطه مستقیمی با عملکرد الگوریتم بهبودیافته کا-میانه دارد. به عبارت دیگر این الگوریتم باید به نوعی اصلاح شود، که با اعمال بر روی حجم متفاوت داده­ها، خوشه­بندی کارآمد و دقیقی انجام دهد.
متن کامل [PDF 1992 kb]   (424 دریافت)    
نوع مطالعه: مروري | موضوع مقاله: تحلیل داده‌های کلان
دریافت: 1399/10/22 | پذیرش: 1400/3/5

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

تمام حقوق این وب سایت متعلق به پژوهشنامه پردازش و مدیریت اطلاعات می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2021 CC BY-NC 4.0 | Iranian Journal of Information processing and Management

Designed & Developed by : Yektaweb