روش خوشه بندی مبتنی بر تابع مفصل برای داده های وابسته
چکیده
در این پایان نامه یک الگوریتم خوشه بندی جدید مبتنی بر توابع مفصل پیشنهاد می شود. توابع مفصل اولین بار توسط اسکلار معرفی می شود و ابزاری مفید برای مدل بندی چندمتغیره در بسیاری از زمینه ها می باشند. روش های مبتنی بر توابع مفصل نسبت به سایر روش ها مزیت هایی دارند از جمله این که: 1) در روش های معمول چند متغیره تنها ساختار خطی متغیرها در تحلیل ها به حساب می آیند در صورتی که توابع مفصل انواع ساختار همبستکی را می توانند در تحلیل ها به حساب آورند. 2) در این روش ها، توابع حاشیه ای و ساختار وابستگی به طور مجزا مدل بندی می شوند، توابع حاشیه ای به شکل تابع توزیع پیوند داده می شوند و تابع مفصل نوع وابستگی را مشخص می کند، که این باعث می شود که بتوان از روش برآورد دو مرحله ای که استنباط برای حاشیه ها (ifm) نامیده می شود، استفاده کرد. در این مطالعه به طور مختصر انواع روش های خوشه بندی و محدودیت های روش های خوشه بندی بررسی شده، یک الگوریتم خوشه بندی جدید مبتنی بر توابع مفصل (coclust) را معرفی نموده و به ارائه ایده اصلی و روند الگوریتم پیشنهادی پرداخته می شود.