یک الگوریتم جدید برای انتخاب مراکز خوشه اولیه در الگوریتمk-means
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 559
فایل این مقاله در 8 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:
CSITM02_291
تاریخ نمایه سازی: 25 بهمن 1394
چکیده مقاله:
خوشهبندی یکی از تکنیکهای گسترده برای کشف دانش و آشکار کردن ساختار مجموعه داده بوده که برای تحلیلگر بسیار مفید است. درخوشهبندی روش پذیرفته شده برای انتخاب مراکز خوشه اولیه بسیار مهم است و تاثیر مستقیم در تشکیل خوشههاینهایی دارد. از آن جایی که خوشهها در یک فضای ویژگی و با گروههایی جدا از هم هستند، این برای انتخاب مراکز اولیهای که از هم جدا هستند بهتر است. در این مقاله یک الگوریتم برای انتخاب مراکز خوشه اولیه برای الگوریتمk-meansپیشنهاد شده است. این الگوریتم برای چند نمونه داده مختلف در ابعاد گوناگون برای اهداف مشخص بکار برده می شود، مشاهده می شود که الگوریتم پیشنهادی برای بدست آوردن مراکز خوشه اولیه برای الگوریتمk-meansعملکرد خوبی داشته است
کلیدواژه ها:
نویسندگان
کاظم نیک فرجام
گروه مهندسی کامپیوتر، واحد بیرجند، دانشگاه آزاد اسلامی بیرجند، ایران.
کاظم خدادوست
گروه مهندسی کامپیوتر، واحد بیرجند، دانشگاه آزاد اسلامی بیرجند، ایران.
جواد کبریائی مقدم
گروه مهندسی کامپیوتر، واحد بیرجند، دانشگاه آزاد اسلامی بیرجند، 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 :