بهبود دقت خوشه بندی الگوریتم k_means تحت اسپارک با ترکیب الگوریتم ذرات بر روی داده های حجیم
- سال انتشار: 1402
- محل انتشار: دومین کنفرانس برق، مکانیک ،هوافضا، کامپیوتر و علوم مهندسی
- کد COI اختصاصی: EMAECONF02_027
- زبان مقاله: فارسی
- تعداد مشاهده: 119
نویسندگان
کارشناسی ارشد، دانشکده فنی مهندسی دانشگاه آزاد اسلامی، شهرسنندج کشور ایران
چکیده
خوشه بندی از تکنیک های معروف در داده کاوی است که به منظور شناسایی الگوهای موجود در داده ها مورد استفاده قرار می گیرد . استخراج و تجزیه تحلیل این الگوها در داده ها می تواند منجر به کشف دانش جدیدی پیرامون داده ها گردد. به همین دلیل امروزه خوشه بندی در کاربردهای مختلفی استفاده می شود. یکی از الگوریتم های معروف خوشه بندی الگوریتم k-means می باشد. این الگوریتم علاوه بر مزایای بسیار، از جمله سرعت بالا و سهولت پیاده سازی، چنانچه پارامترهای اولیه آن به درستی تعیین نگردد، نتایج الگوریتم به دلیل وابسته بودن به پارامترهای اولیه در دام بهینه محلی قرارگرفته و خوشه های مناسبی تولید نخواهد کرد. در این پژوهش، برای بهبود فرآیند خوشه بندی روش k-means از روش تکاملی بهینه سازی ازدحام ذرات استفاده شده است. بهینه سازی ازحام ذرات، روش مبتنی بر هوش جمعی است که می تواند به شناسایی پارامترهای مطلوب برای روش k-means و همینطور شناسایی زیرمجموعه مناسب از مجموعه داده ی مورد بررسی، کمک نماید. در ادامه، با بهره گیری از روش های یادگیری ماشین مبتنی بر اسپارک، ایده ی مورد نظر بر روی عظیم داده ها مورد بررسی قرار گرفته است. سپس به منظور اعتبار سنجی راهکار پیشنهادی، رویکرد فوق بر روی چندین مجموعه داده استاندارد از سایت UCI و چندین مجموعه داده مصنوعی مورد ارزیابی قرار می گیرد و نتایج با سایر روش ها مقایسه می گردد. بررسی نتایج نشان می دهد راهکار جدید، نتایج بهتری در مقایسه با سایر روش های مورد بررسی تولید می نماید.کلیدواژه ها
خوشه بندی، داده کاوی، داده های حجیم، الگوریتم K-means، الگوریتم PSO ، اسپارکمقالات مرتبط جدید
- بررسی اثر افزودن پودر ZrC برمقاومت به فرسایش کامپوزیت C/C-SiC تحت مشعل اکسی استیلن در دمای°C ۳۰۰۰
- مروری بر سیستم های اطفا حریق مدرن برای ترانسفورماتورها
- Performance Evaluation of Machine Learning Algorithms on Raw, Undersampled and Oversampled Data for Credit Card Fraud Detection
- مروری بر تاثیر تکنولوژی در دستگاه های مجهز به اینترنت اشیا برای سیستم بهداشت و درمان
- تشخیص حملات در اینترنت اشیا با استفاده از شبکه های متخاصم و lstm
اطلاعات بیشتر در مورد 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.