1-1-8 الگوریتم های داده کاوی.. 12
1-1- 9-1 قابلیت‌های ابزارهای داده کاوی.. 13
1-1-9-2 نرم افزارهای داده کاوی.. 16
1-1-10 کاربردهای داده کاوی.. 17
1-2-5 فرایندهای خوشه بندی.. 32
1-2-6 کاربردهای خوشه بندی.. 34
1-2-7 مطالعه تکنیک های خوشه بندی.. 37
2-1 خوشه بندی سلسله مراتبی.. 40
2-2 خوشه بندی سلسله مراتبی تجمیعی.. 42
2-2-3 الگوریتم پیوند کامل.. 45
2-2-4 الگوریتم پیوند میانگین گروهی.. 45
2-2-5 الگوریتم پیوند میانگین وزن دار. 45
2-2-6 الگوریتم پیوند مرکزی.. 45
2-2-7 الگوریتم پیوند میانی.. 46
2-3-6 الگوریتم های پیوند تک مبتنی بردرختان پوشای مینیمم.. 54
2-4 روش های دیگر خوشه بندی سلسله مراتبی.. 56
3-2 اجرای برنامه کاربردی با Matlab. 60
چکیده
ازخوشه بندی درحوزه داده کاوی برای تحلیل ، گروه بندی یا طبقه بندی داده ها درخوشه هایی که اعضای ان ها خواص کمابیش یکسانی دارند ، استفاده می شود . خوشه بندی کاربردهای متعددی از تشخیص الگو ، روان شناﺴﻰ ، اقتصاد تا طبقه بندی ژنی ، پردازش تصویر و ... دارد . دراین پروژه چند الگوریتم خوشه بندی نسبتاً ساده ، کارامد و متداول که درخوشه بندی داده ها به کار می روند مورد بررسی قرارمی گیرند . فصل اول به مفاهیم و کلیات داده کاوی و خوشه بندی اختصاص دارد . در فصل دوم ابتدا مختصری در مورد خوشه بندی سلسله مراتبی و در ادامه انواع الگوریتم های خوشه بندی سلسله مراتبی تجمیعی توضیح داده شده است ( با این وصف که معادلات ومبحث های ریاضی الگوریتم ها مطرح نشده وصرفاً روی خود الگوریتم ها تأکید شده ) . درفصل اخرهم توضیحی کوتاه درباره نرم افزارmatlab داده شده و یک نمونه ازالگوریتم های فصل دوم با زبان برنامه نویسی matlab شبیه سازی شده است .
کلمات کلیدی: داده کاوی، خوشه بندی، الگوریتم سلسه مراتبی تجمیعی، Proximity ، Matlab
