روشی نو در خوشه بندی متکی بر ماتریس همبستگی نمونه ها
محل انتشار: دومین کنفرانس بین المللی فناوری اطلاعات و دانش
سال انتشار: 1384
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,713
فایل این مقاله در 7 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:
ICIKT02_020
تاریخ نمایه سازی: 12 دی 1386
چکیده مقاله:
در روشهای خوشه بندی دونکته نقش اساسی بازی می کند . یکی انتخاب نمونه های شروع ) ) Seed Points می باشد و دیگری چگونگی حذف نمونه های نادرست است . روشهای کلاسیکی مثل Forgy , ISODATA,K_Mean اشاره ای به چگونگی انتخاب نمونه های شروع ندارند . در این مقاله روشی عرضه خواهد شد که دارای دو بخش می باشد ، در بخش اول الگوریتم ، ماتریس همبستگی نمونه ها محاسبه می شود . این ماتریس میزان همبستگی نمونه ها را به صورت دو به دو نشان می دهد . الگوریتم سپس با بکارگیری ماتریس همبستگی نمونه های شروع بهینه را تشخیص می دهد . در مرحله دوم نمونه های شروع به همراه مرزهای همبستگی که خود آنها از ماتریس همبستگی نتیجه می شود منجر به آزمایش نمونه ها و ایجاد خوشه هایی با حداکثر متوسط همبستگی می شود که از روشهای مشابه جواب بهتری ارائه می دهد
کلیدواژه ها:
خوشه بندی – ماتریس همبستگی – Forgy تغییر یافته – الگوریتم – Forgy نمونه های شروع
نویسندگان
مرتضی آنالوئی
عضو هیئت علمی دانشکده کامپیوتر دانشگاه علم و صنعت
جواد عظیمی
دانشجوی کارشناسی ارشد هوش مصنوعی دانشکده کامپیوتر دانشگاه علم و صنعت
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 :