خوشه بندی داده ها براساس معیار نزدیکی پیتمن

به گزارش روابط عمومی دانشگاه بیرجند، خوشه‌بندی از ابزارهای بسیار کاربردی آمار جهت  تفکیک داده‌ها به گروه‌های متجانس، با ‏بیشترین شباهت است. رایج‌ترین روش‌های خوشه‌بندی براساس فاصله‌های اقلیدسی و قدر مطلق ‏صورت می‌پذیرند که به دلیل حساس بودن این فاصله‌ها به نقاط دورافتاده (پرت)، در داده‌های حاصل از ‏توزیع‌های دم سنگین فاقد کارایی مناسب (دارای خطای زیاد) هستند.
در این رساله دکتری با الگو گرفتن از ‏معیار نزدیکی پیتمن که به ویژه برای ارزیابی برآوردگرهایی با واریانس نامتناهی استفاده می‌شود، سه تابع ‏مشابهت و یک تابع پیوند جدید معرفی شده است که علاوه براین که با هر تابع فاصله  آنها را می‌توان ‏به کار گرفت، به دلیل عدم حساسیت به داده‌های پرت، نتایج شبیه‌سازی نشان داده‌اند که در خصوص ‏داده‌های توزیع‌های دم سنگین دارای عملکرد مناسبی هستند.‏
داده و الگو یکی از شاخص های مهم دنیای اطلاعات است و خوشه بندی یکی ازبهترین روش‌هایی است که برای کار با داده‌ها ارائه شده است. قابلیت آن در ورود به فضای داده و تشخیص ساختار آنها خوشه‌بندی را یکی از ایده‌آل ترین و مؤثرترین مکانیزم‌ها برای کار با دنیای عظیم داده‌ها کرده است.
 تاکنون از این رساله دکتری دو مقاله ‏ISI‏ استخراج شده است. دکتر جواد اطمینان استادیار گروه آمار دانشگاه بیرجند ‏و دکتر عادل محمد پوردانشیار گروه آمار دانشگاه صنعتی امیرکبیر تهران اساتید راهنما و دکتر رحیم معین الدین استاد دانشگاه تورنتو کانادا استاد مشاور این رساله دکتری بودند.