اجرای الگوریتم خوشه بندی بهبود یافته بر روی داده های ناباروری

داده کاوی تلفیقی از روش های هوش مصنوعی برای شناسایی اطلاعات یا استخراج دانش از داده هاست، به نحوی که دانش حاصل در حوزه های تصمیم گیری، پیش بینی، پیش گویی و تخمین مورد استفاده قرار گیرد. تحلیل رفتار مشتریان، دسته بندی مشتریان، شناخت نیازهای مشتریان و پیش بینی در مباحث پزشکی ازجمله کاربردهای داده کاوی است. خوشه بندی یکی از روش های بدون نظارت الگوریتم های داده کاوی است که به یافتن یک ساختار مشخص درون مجموعه یی از داده های بدون برچسب می پردازد. یکی از الگوریتم های متداول خوشه بندی، الگوریتم k-m e a n s است. از معایب این الگوریتم «انتخاب تصادفی خوشه های اولیه» در آغاز الگوریتم است که موجب تفاوت نتیجه در هر بار اجرای الگوریتم می شود. در این پژوهش، با استفاده ازالگوریتم سلسله مراتبی مدل جدیدی ارائه شده که می کوشد مشکل الگوریتم k-m e a n s را برطرف سازد. در ادامه، نتیجه ی اجرای این الگوریتم تلفیقی جدید روی داده های واقعی مربوط به «ناباروری بیمارستان صارم» ارائه شده است.