ورود
مقالات فارسیISIکنفرانسهاژورنالها

خوشه بندی براساس ماتریس وابستگی و گراف جستجوی سطح اول

محل انتشار: فصلنامه کارافن، دوره: 22، شماره: 1
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 72

فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/2380969

شناسه ملی سند علمی:

JR_KARFN-22-1_002

تاریخ نمایه سازی: 12 مهر 1404

چکیده مقاله:

الگوریتم های خوشه بندی مبتنی بر چگالی به دلیل توانایی آنها در شناسایی خوشه هایی با اشکال مختلف و اشیاء نویز معمولا در یادگیری ماشین و داده کاوی استفاده می شوند. این الگوریتم ها در تحلیل داده ها و کاربرد خروجی تحلیل آنها در صنعت و تجارت معروف هستند. با این حال، الگوریتم های سنتی خوشه بندی ممکن است در مجموعه داده هایی با چگالی های مختلف و خوشه های همسایه درهم تنیده مشکل داشته باشند. برای پرداختن به این چالش ها، یک الگوریتم خوشه بندی مبتنی بر چگالی جدید در این مقاله پیشنهاد شده است. در این الگوریتم ماتریس وابستگی و گراف جستجوی سطح اول برای یافتن نقاط پر چگال و ارتباط بین آتها استقاده شده است، مفهوم فضای مربوطه برای تعریف چگالی محلی و سراسری معرفی می گردد، و از یک روش شناسایی نقاط مرکزی برای شناسایی ساختارهای خوشه ای استفاده شده است. این الگوریتم همچنین از یک استراتژی تخصیص بر اساس فضای مربوطه برای اشیاء باقی مانده برای دستیابی به نتایج خوشه بندی دقیق استفاده می کند. نتایج تجربی بر روی مجموعه داده های واقعی، اثربخشی روش پیشنهادی را در عملکرد خوشه بندی نشان می دهد.

کلیدواژه ها:

نویسندگان

شهین پوربهرامی

استادیار گروه مهندسی کامپیوتر ، دانشگاه ملی مهارت، تهران، ایران

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 :
  • Chen, Y., Hu, X., Fan, W., Shen, L., Zhang, Z., ...
  • Jan, Z., Ai-Ansari, N., Mousa, O., Abd-Alrazaq, A., Ahmed, A., ...
  • Wen, J., Xuan, S., Li, Y., Peng, Q., & Gao, ...
  • Zou, Q., Lin, G., Jiang, X., Liu, X., & Zeng, ...
  • Tombros, A., Villa, R., & Van Rijsbergen, C. J. (۲۰۰۲). ...
  • Jain, A. K. (۲۰۰۸). Data clustering: ۵۰ years beyond k-means. ...
  • Jin, H., Leung, K.-S., Wong, M.-L., & Xu, Z.-B. (۲۰۰۵). ...
  • Murtagh, F., & Contreras, P. (۲۰۱۲). Algorithms for hierarchical clustering: ...
  • Kriegel, H. P., Kröger, P., Sander, J., & Zimek, A. ...
  • Kumar, K. M., & Reddy, A. R. M. (۲۰۱۶). A ...
  • Tang, C., Wang, H., Wang, Z., Zeng, X., Yan, H., ...
  • Hu, L., & Chan, K. C. (۲۰۱۵). A density-based clustering ...
  • Rodriguez, A., & Laio, A. (۲۰۱۴). Clustering by fast search ...
  • Guo, W., Wang, W., Zhao, S., Niu, Y., Zhang, Z., ...
  • Xu, X., Ding, S., & Shi, Z. (۲۰۱۸). An improved ...
  • Xie, J., Gao, H., Xie, W., Liu, X., & Grant, ...
  • Xu, X., Ding, S., Wang, L., & Wang, Y. (۲۰۲۰). ...
  • Hou, J., Zhang, A., & Qi, N. (۲۰۲۰). Density peak ...
  • Tong, W., Liu, S., & Gao, X.-Z. (۲۰۲۱). A density-peak-based ...
  • Zhu, Y., Ting, K. M., Carman, M. J., & Angelova, ...
  • Yaohui, L., Zhengming, M., & Fang, Y. (۲۰۱۷). Adaptive density ...
  • Wang, Y., Wang, D., Zhang, X., Pang, W., Miao, C., ...
  • Ding, S., Du, W., Xu, X., Shi, T., Wang, Y., ...
  • Pourbahrami, S., Balafar, M. A., & Khanli, L. M. (۲۰۲۳). ...
  • Pourbahrami, S., & Hashemzadeh, M. (۲۰۲۲). A geometric-based clustering method ...
  • Pourbahrami, S., Balafar, M. A., Khanli, L. M., & Kakarash, ...
  • Pourbahrami, S., Khanli, L. M., & Azimpour, S. (۲۰۱۹). A ...
  • Abdolmaleki, N., Khanli, L. M., Hashemzadeh, M., & Pourbahrami, S. ...
  • Pourbahrami, S., Khanli, L. M., & Azimpour, S. (۲۰۲۰). Improving ...
  • Sundqvist, M., Chiquet, J., & Rigaill, G. (۲۰۲۳). Adjusting the ...
  • Amelio, A., & Pizzuti, C. (۲۰۱۷). Correction for closeness: Adjusting ...
    • نمایش کامل مراجع