ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

Evaluation of the intelligent hybrid methods to improve the performance of K-Means and C-Means algorithms

سال انتشار: 1394
کد COI مقاله: ITCC01_522
زبان مقاله: انگلیسیمشاهده این مقاله: 433
فایل این مقاله در 12 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 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Evaluation of the intelligent hybrid methods to improve the performance of K-Means and C-Means algorithms

Behzad Radmehr - Department of Computer Engineering,Khorasan Razavi Science & Research Branch,Islamic Azad niversity,Neyshabur,Iran
Reza Ghaemi - Department of Computer Engineering,Quchan branch,Islamic Azad University,Quchan,Iran

چکیده مقاله:

In this paper , The intelligent hybrid methods are used for improving the performance of K-means and C-means algorithms. . To achieve this, these methods are explained in order to improve the performance of these two data mining algorithms. Some suggestions are provided for this aim. The methods used for explaining in relation to C-means algorithms are fuzzy C-means algorithm, combination of fuzzy markov model with evolution algorithms, combination of neural network with C-means algorighm.

کلیدواژه ها:

Data Mining , Cluster Analysis , Hybrid Intelligant Methods , K-Means Algorithm , C-Means Algorithm , Neural Networks , Fuzzy Algorithms , Evolution Algorithms

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ITCC01_522 میباشد و 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/451309/

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:
Radmehr, Behzad and Ghaemi, Reza,1394,Evaluation of the intelligent hybrid methods to improve the performance of K-Means and C-Means algorithms,National Conference on Information Technology, Computer & Communication,Torbat Heydarieh,,,https://civilica.com/doc/451309

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: (1394, Radmehr, Behzad؛ Reza Ghaemi)
برای بار دوم به بعد: (1394, Radmehr؛ Ghaemi)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Intern ational _ «1m Infimatin Techn _ _ _ _ ...
  • M. A. Rahman, and M. Z. Islam, "A hybrid clustering ...
  • M. Prasad, Y. Lin, C. Lin, M. Er, and O. ...
  • P. Melin, and O. Castillo, _ review on type-2 fuzzy ...
  • J. Gou, F. Hou, W. Chen, C. Wang, and W. ...
  • R. Ghaemi, M. N. Sulaiman, H. Ibrahim, and N. Mustapha, ...
  • M. R. Hassan, B. Nath, M. Kirley, and J. Kamruzzaman, ...
  • W. Huang, S.-K. Oh, and W. Pedrycz, "Design of hybrid ...
  • O. Castillo, and P. Melin, Fuzzy Logic Augmentation of Natu ...
  • J. Mendel, H. Hagras, W.-W. Tan, W. W. Melek, and ...
  • M. Sugiyama, Statistical Reinforcement Learning: Modern Machine Learning Approaches: CRC ...
  • A. P. Rotshtein, and H. B. Rakytyanska, Fuzzy evidence in ...
  • F. Laurene, "Fundamentas of neural networks, " Architecture, Algorithms, and ...
  • 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.

    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