اجرای الگوریتم خوشه‌بندی بهبود یافته بر روی داده‌های ناباروری

داده‌کاوی تلفیقی از روش‌های هوش مصنوعی برای شناسایی اطلاعات یا استخراج دانش از داده‌هاست، به‌نحوی که دانش حاصل در حوزه‌های تصمیم‌گیری، پیش‌بینی، پیش‌گویی و تخمین مورد استفاده قرار گیرد. تحلیل رفتار مشتریان، دسته‌بندی مشتریان، شناخت نیازهای مشتریان و پیش‌بینی در مباحث پزشکی ازجمله کاربردهای داده‌کاوی است. خوشه‌بندی یکی از روش‌های بدون نظارت الگوریتم‌های داده‌کاوی است که به یافتن یک ساختار مشخص درون‌مجموعه‌یی از داده‌های بدون برچسب می‌پردازد. یکی از الگوریتم‌های متداول خوشه‌بندی، الگوریتم k-m‌e‌a‌n‌s است. از معایب این الگوریتم «انتخاب تصادفی خوشه‌های اولیه» در آغاز الگوریتم است که موجب تفاوت نتیجه در هر بار اجرای الگوریتم می‌شود. در این پژوهش، با استفاده ازالگوریتم سلسله‌مراتبی مدل جدیدی ارائه شده که می‌کوشد مشکل الگوریتم k-m‌e‌a‌n‌s را برطرف سازد. در ادامه، نتیجه‌ی اجرای این الگوریتم تلفیقی جدید روی داده‌های واقعی مربوط به «ناباروری بیمارستان صارم» ارائه شده است.