تجزیه و تحلیل آماری خوشه بندی سلسله مراتبی چند متغیره
محل انتشار: سومین کنفرانس بین المللی محاسبات نرم
سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 912
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CSCG03_018
تاریخ نمایه سازی: 14 فروردین 1399
چکیده مقاله:
هنگامی که در مورد بهترین روش های یادگیری بدون نظارت که اساس هوش مصنوعی صحبت کنیم، آنگاه ما در مورد تجزیه و تحلیل آماری خوشه بندی صحبت می کنیم که برای تجزیه و تحلیل داده ها برای پیدا کردن الگوهای پنهان یا جمع آوری داده ها استفاده می شود. یکی از معروف ترین و پر کاربردترین روش های خوشه بندی که در اکثر مراجع و کتاب های خوشه بندی مطرح هست، الگوریتم خوشه بندی سلسله مراتبی می باشند. این الگوریتم ها به دو دسته ی تجمیعی و تقسیمی تقسیم بندی می شوند. خوشه بندی سلسله مراتبی تجمیعی یک روش خوشه بدون نظارت برای خوشه بندی مجموعه داده ها به یک ساختار درخت سلسله مراتبی از طریق دنباله ای فشرده شده براساس معیارهای شباهت (هان و کامبر 2006). یک تصویر از خوشه بندی سلسله مراتبی برای انسان ها برای تفسیر بسیار آسان تر است. در ای مقاله روش ها خوشه بندی سلسله مراتبی را معرفی خواهیم کرد. در ابتدا به معرفی طبقه بندی و خوشه بندی، اهمیت و کاربردهای آن می پردازیم و در ادامه خوشه بندی سلسله مراتبی را مطرح می کنیم. سپس خوشه بندی سلسله مراتبی تجمیعی مطرح و کاربردهای آن را مورد بحث و بررسی قرار می دهیم.
کلیدواژه ها:
نویسندگان
محمد بسام شیخ البساتنه
کارشناسی ارشد، گروه آمار، دانشکده علوم ریاضی، دانشگاه گیلان، رشت، ایران
بهروز فتحی واجارگاه
استاد، گروه آمار، دانشکده علوم ریاضی، دانشگاه گیلان، رشت، ایران