خوشه بندي داده هاي فضايي بعدبالا

امروزه توسعه و گسترش سريع علوم در زمينه هاي مختلف و افزايش سرعت ثبت و تحليل اطلاعات، آماردانان را با حجم عظيمي از اطلاعات پيچيده مواجه نموده است كه بكارگيري روش هاي موجود را ناممكن ساخته است. همچنان كه تعداد زياد متغيرهاي تبييني مي تواند موجب بيش برازشي شود، وجود تعداد زياد آن ها موجب انحراف مدل هاي معمول از الگوي واقعي داده ها مي گردد. يͺ ͬاز راه حل هاي فراهم سازي امكان تحليل داده هاي بعدبالا، تعيين گروه هاي پنهان در اين داده ها است. براي اين منظور از روش پركاربرد و كارآمد خوشه بندي داده ها براي تحليل تشخيصي داده هاي بعدبالا استفاده مي شود، كه معمولا مبتني بر داده هاي نابسته است. اما اغلب با داده هايي سر و كار داريم كه همبسته فضايي هستند. در اين مقاله طي مطالعه شبيه سازي كارايي روش تحليل تشخيصي بعدبالا در خوشه بندي داده ها مورد بررسي قرار مي گيرد و تاثير وجود همبستگي فضايي در داده ها در كارايي اين روش ارزيابي مي شود تا بتوان راه حل هاي مناسبي براي تحليل اين گونه داده ها ارائه نمود.