وبلاگ

داده و الگو یکی از شاخص ­های بسیار مهم در دنیای اطلاعات هستند و خوشه­بندی یکی از بهترین روش­هایی است که برای کار با داده ­ها ارائه شده است. قابلیت آن در ورود به فضای داده و تشخیص ساختار آن­ها باعث گردیده که خوشه بندی یکی از ایده­آل­ترین مکانیزم­ ها برای کار با دنیای عظیم داده ­ها باشد.
در خوشه­بندی، نمونه­ها به دسته­هایی تقسیم می­شوند که از قبل معلوم نیستند. بنابراین، خوشه­بندی یک روش یادگیری است که بدون دانش پیشین و مشاهده نمونه­های از قبل تعریف شده­، داده ­ها را به صورت خود مختار و مستقل دسته بندی می­ کند.
خوشه بندی در واقع یافتن ساختار در مجموعه داده ­هایی است که طبقه بندی نشده ­اند. به بیان دیگر خوشه­بندی قرار­دادن داده ­ها در گرو­ه­هایی است که اعضای هر گروه از زاویه­ی خاصی به هم شباهت دارند. در نتیجه شباهت بین داده ­های درون هر خوشه حداکثر و شباهت بین داده ­های درون خوشه ­های متفاوت حداقل می­باشد. معیار شباهت در اینجا، فاصله بوده یعنی نمونه­هایی که به یکدیگر نزدیک­ترهستند، در یک خوشه قرار می­گیرند. لذا محاسبه­ی فاصله­ی بین دو داده در خوشه­بندی بسیار مهم می­باشد؛ زیرا کیفیت نتایج نهایی را دستخوش تغییر قرار خواهد داد.
فاصله که همان معرف عدم تجانس است حرکت در فضای داده ­ها را میسر می­سازد و سبب ایجاد خوشه ­ها می­گردد. با محاسبه­ی فاصله­ی بین دو داده، می­توان فهمید که چقدر این دو داده به هم نزدیک هستند و در یک خوشه قرار می گیرند یا نه؟ توابع ریاضی مختلفی برای محاسبه­ی فاصله وجود دارند؛ فاصله اقلیدسی، فاصله همینگ و ….

1-1-بیان مسأله
خوشه­بندی یافتن ساختار، درون مجموعه ­ای از داده ­های بدون برچسب است و می­توان آن را  به عنوان مهم­ترین مسأله در یادگیری بدون نظارت در نظر گرفت. ایده­ خوشه­بندی اولین بار در دهه­ 1935 مطرح شد و امروزه با پیشرفت­ها و جهش­های عظیمی که در آن به­وجود آمده در کاربردها و جنبه­ های مختلفی حضور یافته است. یک جستجوی ساده در وب یا حتی در پایگاه داده یک کتابخانه، کاربرد شگفت انگیز آن را برای ما آشکار می­سازد.  الگوریتم­های خوشه­بندی در زمینه ­های مختلفی کاربرد دارد که به عنوان نمونه می­توان موارد زیر را برشمرد:
·        داده کاوی[1]: کشف اطلاعات و ساختار جدید از داده‌های موجود
·        تشخیص گفتار[2]: در ساخت کتاب کد از بردارهای ویژگی، در تقسیم کردن گفتار بر حسب گویندگان آن یا فشرده‌سازی گفتار
·        تقسیم‌بندی تصاویر[3]: تقسیم‌بندی تصاویر پزشکی یا ماهواره‌ای
·        وب (WWW): دسته‌بندی اسناد و یا دسته‌بندی سایت­ها و …
·        زیست‌‌‌شناسی[4]: دسته‌بندی حیوانات و گیاهان از روی ویژگی‌های آن­ها
·        برنامه ریزی شهری[5]: دسته‌بندی خانه‌ها بر اساس نوع و موقعیت جغرافیایی آن­ها
·         مطالعات زلزله‌نگاری[6]: تشخیص مناطق حادثه‌خیز بر اساس مشاهدات قبلی
·        کتابداری: دسته‌بندی کتاب­ها
·        بیمه: تشخیص افراد متقلب
·        بازاریابی[7]: دسته‌‌بندی مشتریان به دسته‌ هایی بر حسب نیاز آن­ها از طریق مجموعه آخرین خرید‌های آنان.
با توجه به کاربرد روزافزون خوشه­بندی، امروزه شاهد ارائه­ روش­های جدید و کارآمدتری هستیم که هر یک برای کاربردی خاص ارائه می­ شود. ولی با همه این تلاش­ها هنوز خوشه­بندی در بسیاری از علوم آن­چنان که باید مورد استفاده قرار نگرفته است و قابلیت گسترش بسیار زیادی برای آن وجود دارد.