پیشرفتهای صورت گرفته در علم داده، مرهون الگوریتمهایی است که بتواند اطلاعات معنادار را از دل انبوهی از دادهها استخراج نمایند. یکی از این روشها، روش خوشهبندی سلسله مراتبی است که میتوان توسط آن، ارتباط افقی و عمودی بین دادهها را بدست آورد. در این پژوهش، یک روش خوشهبندی سلسله مراتبی ارائه شده که برحسب نیاز، خوشهبندی به روش قطعهبندی یا سلسله مراتبی را روی گراف ساختار-محتوا پیادهسازی می نماید. به این منظور، براساس محتوای گرهها و الهام از الگوریتم PCA وزن یالها بدست میآید. سپس، با تعریف معیار شباهت، خوشههای سطح اول طوری شکل میگیرند که عدالت بین گرههای داخل هر خوشه رعایت گردد. در ادامه، با بهروزرسانی گراف، خوشههای بقیه سطوح تا ریشه قابل حصول است. در روش ارائه شده، نیاز به هیچ محاسباتی در مورد تعداد خوشه ها نیست. کاربرد روش ارائه شده بسیار گسترده بوده و در بسیاری از مسائل علوم مختلف و بین رشتهای کاربرد دارد. عملکرد این پژوهش در خوشهبندی شبکههای حسگر بیسیم و اینترنت اشیاء آزمایش شده است. به این منظور، دیتاست ولتاژ مصرفی حسگرهای شبکه واقعی در آزمایشگاه اینتل و دیتاست ولتاژهای ثبت شده حاصل از خروجی شبیهساز در نظر گرفته شده است. خوشهبندی اعمال شده بر دیتاستها، دقت 0.99% را نشان می دهد.
