تعیین مجموعه (موازی) و خوشه بندی فازی c-means موازی برای داده کاوی در شبکه های مخابراتی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 574
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITCC02_027
تاریخ نمایه سازی: 21 شهریور 1395
چکیده مقاله:
تحقیقات اخیر نشان داده است که تکنیک های خوشه بندی که یک هدف واحد یعنی یک معیار اعتبارسنجی را بهینه می-کنند ممکن است نتیجه رضایت بخشی را فراهم نکند چرا که هیچ معیار اعتبارسنجی به تنهایی برای انواع مختلفمجموعه داده ها به خوبی کار نمی کند.فرایند اصلی داده کاوی استفاده از فناوری اکتشاف داده ها برای استخراج داده ها،ایجاد مدل های پیش بینی با استفاده از درخت های تصمیم گیری و تست و بررسی ثبات و کارآمدی مدل هااست.مشتریان بخش بندی روش فازی c-means به خوشه ها بر اساس صدور صورت حساب، وفاداری و پرداخترفتارها برای ایجاد مدل های مبتنی بر درخت تصمیم گیری می باشند.تعیین تعداد k خوشه در یک مجموعه داده با دانشقبلی محدود از ارزش مناسب، یک مسئله شایع است که متمایز از حل مسائل خوشه بندی داده است.برای تصمیم گیریمقدار k چند دسته روش وجود دارد، اما انتخاب بهینه حداکثر فشرده سازی داده ها در داخل یک خوشه و به دقتاختصاص هر مشاهده در خود خوشه دارد.در این مقاله از الگوریتم فازی c-means که یکی از الگوریتمهای پرکاربردبرای خوشه بندی فازی است استفاده کرده ایم. برای ارزیابی الگوریتم ها از معیار mJ که یکی از معیارهای اعتبارسنجیخوشه بندی فازی است، استفاده نموده ایم. همچنین یک روش موازی برای افزایش سرعت تعیین k در n مشاهده ارائهشده است.ما دو روش برای انتخاب مرکز اولیه جهت صرفه جویی در تکرار محاسبات در خوشه بندی فازی c-meansمعرفی می کنیم: 1) انتقال مرکز به جلو؛ 2) حداقل تاثیر.هر دو روش برای تسریع محاسبات فازی c-means و شناساییK طراحی شده اند.
کلیدواژه ها:
خوشه بندی فازی - c-means داده کاوی توزیع شده
نویسندگان
مهدی صادق زاده
دانشگاه آزاد ورامین
یعقوب پوراسد
عضو هیات علمی دانشکده برق دانشگاه صنعتی ارومیه
ذبیح الله جیستان
دانشجوی کارشناسی ارشد نرم افزار دانشگاه آزاد ورامین
حمیدرضا شیخ ویسی
کارشناس مدیریت
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 :