بررسي ساختارهاي داده متفاوت جهت انتخاب روش خوشه بندي مناسب با مطالعه موردي بر روي پايگاه داده‌ سرطان سينه Wisconsin

الگوريتم‌هاي خوشه‌بندي داده‌ها را به گروه‌هايي تقسيم مي‌كنند؛ به صورتي كه داده‌هاي درون هر خوشه بيش‌ترين شباهت و داده‌هاي خوشه‌هاي متفاوت كم‌ترين شباهت را به يكديگر داشته باشند. انتخاب روش خوشه‌بندي مناسب و معيار فاصله يا شباهت مورد استفاده براي هر پايگاه داده، از اهميت ويژه‌اي برخوردار است. به منظور تعيين روش مناسب، اولين قدم شناخت كافي از ساختار داده‌هاي موجود در پايگاه داده است. به عنوان مثال، توزيع داده‌هاي هر خوشه، تعداد خوشه‌ها و ارتباطات درون خوشه‌اي و بين خوشه‌اي از جمله مواردي بوده كه بر انتخاب معيار فاصله يا شباهت و روش خوشه‌بندي تاثير زيادي داشته و در بهينه سازي عمل خوشه‌بندي اثر مستقيم دارند. پس از تحليل ساختار داده‌ها، مي‌توان با توجه به ويژگي‌هاي معيارهاي فاصله يا شباهت و روش‌هاي خوشه‌بندي، تصميم‌گيري نموده و بهترين و مناسب‌ترين الگوريتم خوشه‌بندي را برگزيد. در اين مقاله پس از تحليل ساختار داده‌هاي پايگاه داده‌ سرطان سينه‌ Wisconsin، روش‌هاي مختلف خوشه‌بندي و معيارهاي شباهت مناسب مورد بررسي قرار گرفته است. نتايج آزمايشات با تحليل‌هاي صورت گرفته تطابق كامل دارند.