بررسی کاربرد الگوریتم K-means در فرآیند خوشه بندی داده های بزرگ
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,801
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CIICE01_100
تاریخ نمایه سازی: 7 اردیبهشت 1396
چکیده مقاله:
عصر داده های بزرگ آغازشده است. داده ها با سرعت فراوانی ازنظر اندازه و تنوع در حال افزایش هستند. با رشد داده ها، چالش ها و تفاوت هایی برای این میزان داده به بار آمده است. داده های بزرگ نشان از ویژگی های متفاوت همچون حجم، تنوع، تغییرپذیری، ارزش، سرعت و پیچیدگی دارند که بر آن اساس آنالیز داده ها و کسب اطلاعاتی با فنون داده کاوی بسیار دشوار است. استخراج داده روشی است برای خارج کردن داده های مفید، اما رویکردهای کلاسیک استخراج داده ها به علت پیچیدگی زیاد نمی توانند به طور مستقیم برای داده های بزرگ مورداستفاده قرار گیرند. خوشه بندی از روش های مهم درداده کاوی است که به دلیل نزدیک بودن با مسایل طبیعی در بسیاری از زمینه ها موردتوجه قرارگرفته است. یکی از مهم ترین الگوریتم های خوشه بندی که به طور گسترده به کار می رود الگوریتم k-means است. الگوریتم فوق کاربردهای بسیاری در زمینه های مختلف علمی و صنعتی دارد. الگوریتم خوشه بندی K-means علی رغم سادگی یک روش پایه برای بسیاری از روش های خوشه بندی دیگر (مانند خوشه بندی فازی) محسوب می شود. این روش روشی انحصاری و مسطح محسوب می شود برای این الگوریتم شکل های مختلفی بیان شده است. ولی همه آن ها دارای روالی تکراری هستند.
کلیدواژه ها:
نویسندگان
فرزانه بنده پی
دانشجوی کارشناسی ارشد امنیت اطلاعات، دانشگاه مهر آستان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :