BIRCH — کاهش و خوشهبندی تکراری متعادل با استفاده از سلسلهمراتب
BIRCH یک الگوریتم خوشهبندی مقیاسپذیر و افزایشی است که توسط ژانگ، رمکرشنان و لیونی در سال ۱۹۹۶ معرفی شد. این الگوریتم برای خوشهبندی مجموعه دادههای بسیار بزرگ — که به طور بالقوه بزرگتر از حافظه موجود هستند — در یک گذر واحد طراحی شده است، با فشردهسازی دادهها به یک ساختار خلاصه حافظه فشرده به نام درخت CF (درخت ویژگی خوشهبندی) قبل از اعمال هر رویه خوشهبندی استاندارد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Zhang, T., Ramakrishnan, R., & Livny, M. (1996). BIRCH: An efficient data clustering method for very large databases. Proceedings of the 1996 ACM SIGMOD International Conference on Management of Data, 25(2), 103–114. DOI: 10.1145/233269.233324 ↗
- Han, J., Kamber, M., & Pei, J. (2011). Data Mining: Concepts and Techniques (3rd ed., Ch. 10). Morgan Kaufmann. ISBN: 978-0-12-381479-1
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Balanced Iterative Reducing and Clustering using Hierarchies. ScholarGate. https://scholargate.app/fa/machine-learning/birch
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- دیبیاسکنیادگیری ماشین↔ compare
- خوشهبندی K-meansیادگیری ماشین↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →