ارائه یک روش نوین خوشه بندی با استفاده از الگوریتم K-Means
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,418
فایل این مقاله در 15 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:
CBCONF01_0618
تاریخ نمایه سازی: 16 شهریور 1395
چکیده مقاله:
امروزه، خوشه بندی نقش مهی را در اغلب زمینه های تحقیقاتی مانند مهندسی، پزشکی، زیست شناسی، داده کاویو… ایفا می نماید. در واقع خوشه بندی به معنای تقسیم بندی بدون نظارت می باشد؛ با استفاده از آن داده ها به دسته هاییکه از نظر پارامترهای مورد علاقه، شباهت بیشتری به یکدیگر دارند، تقسیم می گردند. یکی از روشهای معروف در اینزمینه k-means می باشد؛ که علی رغم وابستگی به شرایط اولیه وهمگرائی به نقاط بهینه محلی، تعداد N داده را به kخوشه با سرعت بالا، دسته بندی می نماید. در این مقاله جهت رفع مشکلات موجود بر الگوریتم k-means ؛ 3 مقاله مورد استفاده و تجزیه و تحلیل قرار گرفت و نتایج، مقایسه و ارزیابی شد، که در نهایت به بررسی روشی نوین در خوشه بندی بااستفاده از الگوریتم k-means می پردازیم.
کلیدواژه ها:
نویسندگان
ندا تقوی
دانشگاه غیرانتفاعی آپادانا شیراز-فارس-ایران
محمد ایمان جم نژاد
دانشگاه غیرانتفاعی آپادانا شیراز-فارس-ایران
هاله همایونی
دانشگاه غیرانتفاعی آپادانا شیراز-فارس-ایران
کیمیا بازرگان
دانشگاه غیرانتفاعی آپادانا شیراز-فارس-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 :