গ্রিড-ভিত্তিক ক্লাস্টারিং পদ্ধতিগুলি একটি মাল্টি-রেজোলিউশন গ্রিড ডেটা কাঠামো ব্যবহার করে। এটি বস্তুর ক্ষেত্রগুলিকে একটি সীমিত সংখ্যক কোষে পরিমাপ করে যা একটি গ্রিড কাঠামো তৈরি করে যার উপর ক্লাস্টারিংয়ের জন্য সমস্ত ক্রিয়াকলাপ বাস্তবায়িত হয়। থিম পদ্ধতির সুবিধা হল এর দ্রুত প্রক্রিয়াকরণের সময়, যা সাধারণত ডেটা অবজেক্টের সংখ্যার থেকে স্বাধীন, এখনও পরিমাপকৃত স্থানের প্রতিটি মাত্রার একাধিক কোষের উপর নির্ভর করে।
গ্রিড-ভিত্তিক পদ্ধতির একটি উদাহরণের মধ্যে রয়েছে STING, যা গ্রিড কোষে সংরক্ষিত পরিসংখ্যানগত ডেটা অন্বেষণ করে, ওয়েভক্লাস্টার, যা একটি ওয়েভলেটট্রান্সফর্ম পদ্ধতি ব্যবহার করে বস্তুকে ক্লাস্টার করে এবং CLIQUE, যা উচ্চ-মাত্রিক ডেটা স্পেসে ক্লাস্টারিংয়ের জন্য একটি গ্রিড-এবং ঘনত্ব-ভিত্তিক পদ্ধতির সংজ্ঞা দেয়। .
STING হল একটি গ্রিড-ভিত্তিক মাল্টি-রেজোলিউশন ক্লাস্টারিং পদ্ধতি যেখানে স্থানিক এলাকাকে আয়তক্ষেত্রাকার কোষে ভাগ করা হয়। রেজল্যুশনের একাধিক স্তরের সাথে সম্পর্কিত এই ধরনের আয়তক্ষেত্রাকার কোষগুলির সাধারণত বেশ কয়েকটি স্তর রয়েছে এবং এই কোষগুলি একটি উচ্চ স্তরের প্রতিটি কোষকে পরবর্তী নিম্ন স্তরে একাধিক কোষ গঠনের জন্য একটি শ্রেণীবদ্ধ প্রক্রিয়া গঠন করে। প্রতিটি গ্রিড কক্ষের বৈশিষ্ট্য সম্পর্কিত পরিসংখ্যানগত তথ্য (গড়, সর্বোচ্চ এবং সর্বনিম্ন মান সহ) পূর্বনির্ধারিত এবং সংরক্ষণ করা হয়৷
উচ্চ-স্তরের কক্ষগুলির পরিসংখ্যানগত পরামিতিগুলি নিম্ন-স্তরের কোষগুলির প্যারামিটারগুলি থেকে সহজভাবে গণনা করা যেতে পারে৷ এই পরামিতিগুলির মধ্যে নিম্নলিখিতগুলি রয়েছে:বৈশিষ্ট্য-স্বাধীন প্যারামিটার, গণনা, এবং বৈশিষ্ট্য-নির্ভর পরামিতি, গড়, stdev (স্ট্যান্ডার্ড বিচ্যুতি), ন্যূনতম (সর্বনিম্ন), সর্বোচ্চ (সর্বোচ্চ); এবং সাধারণ, অভিন্ন, সূচকীয়, বা কোনটিই নয় (যদি বন্টনটি বেনামী হয়) সহ কক্ষে বৈশিষ্ট্যের মান অনুসরণ করে এমন বিতরণের ধরন।
যখন রেকর্ডগুলি ডাটাবেসে লোড করা হয়, তখন পরামিতিগুলি গণনা করা হয়, গড়, stdev,মিন, এবং সর্বাধিক নীচের স্তরের সেলগুলি রেকর্ড থেকে সরাসরি গণনা করা হয়৷ ডিস্ট্রিবিউশনের মান ব্যবহারকারী দ্বারা নির্ধারিত হতে পারে যদি বিতরণের ধরনটি আগে থেকেই জানা থাকে বা χ 2 সহ অনুমান পরীক্ষা দ্বারা প্রাপ্ত হয় পরীক্ষা।
একটি উচ্চ-স্তরের কক্ষের বন্টনের প্রকার যা গণনা করা যেতে পারে তা একটি থ্রেশহোল্ড ফিল্টারিং পদ্ধতির সাথে মিলিতভাবে এর সংশ্লিষ্ট নিম্ন-স্তরের কোষগুলির বেশিরভাগ বিতরণ প্রকারের উপর নির্ভর করে৷ যদি নিম্ন-স্তরের কোষগুলির বিতরণ একে অপরের সাথে একমত না হয় এবং থ্রেশহোল্ড পরীক্ষা প্রত্যাখ্যান করে, তবে উচ্চ-স্তরের কোষের বিতরণের ধরণটি কোনটিতে সেট করা হয় না৷
পরিসংখ্যানগত পরামিতিগুলি টপ-ডাউন, গ্রিড-ভিত্তিক পদ্ধতিতে ব্যবহার করা যেতে পারে। প্রথমে, অনুক্রমিক আর্কিটেকচারের মধ্যে একটি স্তর নির্ধারণ করা হয় যেখান থেকে ক্যোয়ারী-উত্তর পদ্ধতি শুরু করা হবে। এই স্তরটি সাধারণত অল্প সংখ্যক কোষ অন্তর্ভুক্ত করে। বর্তমান স্তরের প্রতিটি কক্ষের জন্য, এটি প্রদত্ত প্রশ্নের সাথে ঘরের প্রাসঙ্গিকতা প্রতিফলিত করে আত্মবিশ্বাসের ব্যবধান (বা সম্ভাব্যতার আনুমানিক পরিসীমা) গণনা করতে পারে৷
