ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

GA-DBSCAN:A New Genetic based Clustering Algorithm

سال انتشار: 1399
کد COI مقاله: ETECH05_046
زبان مقاله: انگلیسیمشاهد این مقاله: 69
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله GA-DBSCAN:A New Genetic based Clustering Algorithm

Mahsa Rakhsha - Department of Computer Engineering Faculty of Engineering AL Zahra University
Mohammad Reza Keyvanpour - Department of Computer Engineering Faculty of Engineering AL Zahra University

چکیده مقاله:

In the machine learning process, different approaches are adopted to solve different problems according to the problem and application. One of the approaches that is selected is based on educational examples. Samples are divided into two categories, labeled and unlabeled. Unlabeled examples of unsupervised learning methods used that ambiguity and complexity increases. Methods available in this area include clustering methods based on partitioning, hierarchy, density, and so on. In density-based clustering, using neighborhood concepts and density defines a cluster. The input parameters of the algorithm are the minimum distance between the two points that indicate whether they are neighbors or less, and the smaller number of accessible points indicates the density of at least one cluster. These parameters strongly affect the clustering results. For this reason, one of the main challenges is choosing the right two. In this study, an attempt has been made to select the value of these two parameters optimally and to achieve this goal, Genetic algorithm has been used. The outputs generated by the genetic algorithm have optimal values and these values are used as input to the DbScan algorithm. The proposed algorithm is tested in ۴ UCI datasets and compared with the original DbScan method in terms of clustering time, accuracy and noise point detection. And compared to the original DbScan method, it is found to be more capable.

کلیدواژه ها:

Unsupervised Learning, Clustering, Density-Based Genetic Algorithm

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1192746/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Rakhsha, Mahsa and Keyvanpour, Mohammad Reza,1399,GA-DBSCAN:A New Genetic based Clustering Algorithm,پنجمین کنفرانس ملی تکنولوژی در مهندسی برق و کامپیوتر,تهران,,,https://civilica.com/doc/1192746

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1399, Rakhsha, Mahsa؛ Mohammad Reza Keyvanpour)
برای بار دوم به بعد: (1399, Rakhsha؛ Keyvanpour)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 6,027
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی