Η συσταδοποίηση δεδομένων (clustering) είναι μια κατεύθυνση της Εξόρυξης Δεδομένων και ορίζεται σαν η ομαδοποίηση δεδομένων σύμφωνα με ένα προκαθορισμένο μέτρο ομοιότητας. Η συσταδοποίηση εφαρμόζεται στις βάσεις δεδομένων χρησιμοποιώντας πολλούς αλγορίθμους. Η συσταδοποίηση των δεδομένων βρίσκει εφαρμογές, σε πολλές περιοχές της ανάλυσης δεδομένων όπου υπάρχει ανάγκη ομαδοποίησης αντικειμένων, όπως βιολογίας, μάρκετιγκ, γεωλογίας, σεισμολογίας, αναγνώρισης προτύπων και πολλά άλλα. Σε αυτή τη διπλωματική εργασία οι σημαντικότεροι αλγόριθμοι ομαδοποίησης θα εφαρμοστούν σε διάφορες πραγματικές βάσεις δεδομένων, και τα αποτελέσματα θα συγκριθούν μεταξύ τους σύμφωνα με μετρικές εκτίμησης οι οποίες θα αναλυθούν περεταίρω.
Clustering is a discipline of Data Mining defined as grouping of data objects together according a predefined similarity measure and it is applied to datasets using many algorithms .Clustering has many applications in various areas of Data Mining where is need to group data together like Biology, Marketing, Geology, Seismology, pattern recognition, economic analysis, and many others.
In this thesis the more important clustering algorithms will be applied in various datasets and the execution and the results will be compared according evaluation metrics which will be analyzed in detail.
Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.
