الگوریتم DBSCAN بهبود یافته برای داده های بزرگ پزشکی

چکیده مقاله

در دهه اخیر تولید داده با رشد چشمگیری مواجه شده که این داده¬ها از منابع مختلف مانند دستگاه¬های تلفن همراه، شبکه¬های اجتماعی، شبکه¬های حسگر بی¬سیم و غیره در حال تولید می¬باشند. مدیریت این حجم زیاد از داده¬ها به یک چالش بزرگ در عصر حاضر تبدیل شده است. خوشه¬بندی داده¬ها به عنوان یک راه¬حل مطرح می¬شود که داده¬ها را براساس شباهتشان گروه¬بندی می¬کند. دو روش رایج در خوشه¬بندی، الگوریتم¬های DBSCAN و K-means هستند. هر کدام از این روش¬ها مزایا و معایبی دارند که یکی از معایب سرعت اجرای نسبتا کند آن¬ها در داده¬های بزرگ است. ما در این مقاله الگوریتم DBSCANبهبودیافته¬ای را ارائه داده¬ایم که بر مبنای دو روش بالا می¬باشد. نتایج نشان می¬دهد روش پیشنهادی ما در عین حفظ کیفیت از نظر سرعت بهتر از الگوریتم DBSCAN عمل می¬کند.