راهکاری توزیع شده برای خوشه بندی کلان داده های ترکیبی

با توجه به سرعت روزافزون تولید اطلاعات و همچنین وجود نیازمندی تبدیل اطلاعات به دانش، نیاز به الگوریتم های داده کاوی به شدت لمس می شود. خوشه بندی یکی از تکنیک های داده کاوی است و توسعه آن سبب پیشرفت در جهت فهم بیشتر محیط پیرامون می شود. در این مقاله، راهکاری پویا و مقیاس پذیر برای خوشه بندی داده های ترکیبی با ابعاد کلان به همراه نقصان در داده ها ارائه گردیده است. به علت هدف گذاری حوزه کلان داده ها، راهکار پیشنهادی به صورت توزیع شده، داده ها را پردازش می کند. در این راهکار از ادغام معیارهای فاصله رایج با مفهوم نزدیک ترین همسایگی مشترک و همچنین به کارگیری نوعی از کدگذاری هندسی بهره برده شده است. همچنین روشی برای ترمیم داده های از دست رفته در مجموعه داده نیز در آن در نظر گرفته شده است. با بهره گیری از تکنیک های موازی سازی و توزیع پردازش فی مابین گره های متعدد می توان به مقیاس پذیری و تسریع دست یافت. الگوریتم پیشنهادی نیزاز این روش ها به جهت دستیابی به این مهم بهره می برد. ارزیابی این راهکار بر اساس معیارهای سرعت، دقت و حافظه مصرفی با مقایسه با دیگر موارد انجام می شود.