تجزیه و تحلیل آماری خوشه بندی سلسله مراتبی چند متغیره

چکیده مقاله

هنگامی که در مورد بهترین روش های یادگیری بدون نظارت که اساس هوش مصنوعی صحبت کنیم، آنگاه ما در مورد تجزیه و تحلیل آماری خوشه بندی صحبت می کنیم که برای تجزیه و تحلیل داده ها برای پیدا کردن الگوهای پنهان یا جمع آوری داده ها استفاده می شود یکی از معروف ترین و پر کاربردترین روش های خوشه بندی که در اکثر مراجع و کتاب های خوشه بندی مطرح هست، الگوریتم خوشه بندی سلسله مراتبی می باشند این الگوریتم ها به دو دسته ی تجمیعی و تقسیمی تقسیم بندی می شوند خوشه بندی سلسله مراتبی تجمیعی یک روش خوشه بدون نظارت برای خوشه بندی مجموعه داده ها به یک ساختار درخت سلسله مراتبی از طریق دنباله ای فشرده شده براساس معیارهای شباهت هان و کامبر 2006 یک تصویر از خوشه بندی سلسله مراتبی برای انسان ها برای تفسیر بسیار آسان تر است در ای مقاله روش ها خوشه بندی سلسله مراتبی را معرفی خواهیم کرد در ابتدا به معرفی طبقه بندی و خوشه بندی، اهمیت و کاربردهای آن می پردازیم و در ادامه خوشه بندی سلسله مراتبی را مطرح می کنیم سپس خوشه بندی سلسله مراتبی تجمیعی مطرح و کاربردهای آن را مورد بحث و بررسی قرار می دهیم

کلیدواژه‌ها

نویسندگان

محمد بسام شیخ البساتنه

کارشناسی ارشد، گروه آمار، دانشکده علوم ریاضی، دانشگاه گیلان، رشت، ایران

Behrouz Fathi Vajargah

استاد، گروه آمار، دانشکده علوم ریاضی، دانشگاه گیلان، رشت، ایران

�یخ البساتنه، محمد بسام و فتحی واجارگاه، بهروز،1398،تجزیه و تحلیل آماری خوشه بندی سلسله مراتبی چند متغیره،سومین کنفرانس بین المللی محاسبات نرم،رودسر

ارائه‌شده در

مجموعه مقالات سومین کنفرانس بین المللی محاسبات نرم29 آبان 1398 · رودسر