مروري نظام‌مند بر پژوهش‌هاي بهبود الگوريتم كا-ميانه براي خوشه‌بندي داده‌ها

خوشه‌بندي به‌عنوان يك فرايند جهت شناخت ماهيت و ساختار داده‌ها در بسياري از حوزه‌هاي علوم و فناوري‌هاي مرتبط با آن نقش مهمي در سازماندهي داده‌ها دارد. يكي از الگوريتم‌هاي پركاربرد و ساده خوشه‌بندي، كاميانه است. پژوهش حاضر با هدف مرور نظام‌مند تحقيقات در زمينه بهبود الگوريتم كاميانه براي خوشه‌بندي داده‌ها صورت گرفته است. اين پژوهش با يك راهبرد جديد بر مبناي كاستي‌هاي الگوريتم كاميانه به بررسي تحقيقات انجام‌شده در اين زمينه و نقش آن در سازماندهي داده‌ها در محدوده سال‌هاي 2010 تا 2020 مي‌پردازد. براي اين منظور ميزان توجه پژوهشگران به رفع هر يك از كاستي‌هاي اين الگوريتم براي بهبود طي سال‌هاي مزبور در قالب پرسش‌هاي پژوهش تدوين شده است. در اين پژوهش با استفاده از استراتژي‌ جست‌وجو، پالايش، و استخراج مقاله‌ها در نهايت، 47 منبع مرتبط شناسايي و مورد بررسي قرار گرفت. يافته‌ها نشان داد كه بيشترين تحقيقات صورت‌گرفته با غلبه بر كاستي حساس به مراكز خوشه اوليه در جهت بهبود الگوريتم كاميانه انجام شده است. همچنين، از 47 تحقيق مورد بررسي، الگوريتم بهبوديافته كاميانه در 35 تحقيق بر روي داده‌هاي غيرمتني و در 12 تحقيق بر روي داده‌هاي متني اعمال شده است. سرانجام، نتيجه حاصل از بررسي 6 تحقيق از تحقيقات صورت‌گرفته نشان داد كه حجم داده‌ها رابطه‌اي مستقيم با عملكرد الگوريتم بهبوديافته كاميانه دارد. به‌عبارت ديگر، اين الگوريتم بايد به‌نوعي اصلاح شود كه با اعمال بر روي حجم متفاوت داده‌ها خوشه‌بندي كارآمد و دقيقي انجام دهد.