Clustering Methods for Big Data Analytics: Techniques, Toolboxes and Applications

این کتاب وضعیت هنر و پیشرفت‌های اخیر در روش‌های خوشه‌بندی کلان داده و کاربردهای نوآورانه آن‌ها در سیستم‌های مبتنی بر هوش مصنوعی معاصر را برجسته می‌کند. فصل‌های کتاب در مورد یادگیری عمیق برای خوشه‌بندی، خوشه‌بندی داده‌های بلاک‌چین، برنامه‌های امنیت سایبری مانند شناسایی تهدیدهای خودی، روش‌های خوشه‌بندی توزیع‌شده مقیاس‌پذیر برای حجم عظیمی از داده‌ها بحث می‌کنند. خوشه‌بندی جریان‌های کلان داده مانند جریان‌های تولید شده از تلاقی اینترنت اشیا، سلامت دیجیتال و موبایل، تعامل انسان و ربات، و شبکه‌های اجتماعی؛ خوشه‌بندی کلان داده مبتنی بر جرقه با استفاده از بهینه‌سازی ازدحام ذرات. و خوشه‌بندی مبتنی بر تنسور برای نمودارهای وب، جریان‌های حسگر و شبکه‌های اجتماعی. فصل‌های کتاب شامل پوشش متعادلی از نظریه خوشه‌بندی کلان داده، روش‌ها، ابزارها، چارچوب‌ها، برنامه‌ها، نمایش، تجسم و اعتبارسنجی خوشه‌بندی است.

This book highlights the state of the art and recent advances in Big Data clustering methods and their innovative applications in contemporary AI-driven systems. The book chapters discuss Deep Learning for Clustering, Blockchain data clustering, Cybersecurity applications such as insider threat detection, scalable distributed clustering methods for massive volumes of data; clustering Big Data Streams such as streams generated by the confluence of Internet of Things, digital and mobile health, human-robot interaction, and social networks; Spark-based Big Data clustering using Particle Swarm Optimization; and Tensor-based clustering for Web graphs, sensor streams, and social networks. The chapters in the book include a balanced coverage of big data clustering theory, methods, tools, frameworks, applications, representation, visualization, and clustering validation.