چکیده

نتایج ناکارآمد حاصل از خوشه ­بندی داده­های خام با استفاده از الگوریتم­ های خوشه ­بندی، منجر شد که روش جدیدی برای بهبود الگوریتم K-Dmeans ارائه شود (روشی بر مبنای ساختار سیستم مرکز- لبه).

 min-cluster مفهوم جدیدی است که به­ منظور خوشه بندی گره ­های لبه موجود در مجموعه داده ارائه شده است؛ بدین ترتیب که min-cluster با پالایش فرایند خوشه­ بندی گره­ های لبه موجب می­شود که فرایند خوشه ­بندی منظم­تر انجام شود و انتقال نتیجه به گره مرکزی نیز مستقیماً انجام شود. داده­ هایی که خوشه بندی می­شوند، مجدداً توسط گره مرکزی یکپارچه خواهند شد (دلیل این امر محفوظ نگه داشتن محاسبات مربوط به خوشه بندی توزیع شده می­باشد). ما از میان مجموعه ­ای از انواع داده ­ها، مفهوم min-cluster را برگزیدیم و برای آن پروتکل­ های امنیتی بسیاری را قرار دادیم. بر این اساس، ثابت شده است که الگوریتم خوشه بندی توزیع شده دارای ویژگی­ هایی همچون دقت بالا، پیچیدگی زمانی کم و امنیت می­باشد (که در این میان امنیت مهم­ترین ویژگی است).

1- مقدمه

تمرکز این مقاله بر روی پژوهش در زمینه­ ی بهبود الگوریتم K-Dmeans معطوف شده است. یک نسخه­ ی قدیمی از الگوریتم­ K-Dmeans در ]1[ بررسی شده ­است؛ همان­ طور که در مرجع مذکور بیان شده­ است، در این نسخه از الگوریتم می­بایست داده ­های بسیاری را از سایت­ های متفاوتی جمع ­آوری نماییم؛ اما نکته اینجاست که این سایت ­ها می­بایست متفاوت و مستقل از یکدیگر باشند که این امر نه تنها باعث افزایش سربار شبکه می­شود بلکه کارایی خوشه را نیز کاهش می­دهد....