نخستین همایش ملی مهندسی کامپیوتر، علوم کامپیوتر و فناوری اطلاعات، مروری بر دسته بندی های KNN، Apriori
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 582
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCRC01_008
تاریخ نمایه سازی: 25 آذر 1395
چکیده مقاله:
رشد سریع اطلاعات امروزه چالشی را فراهم کرده است، که با وجود این چالش های عظیم، هنوز هم از تکنیک سنتی برای استخراج دانش استفاه می شود. در این مقاله روش دسته بندی جهت دسترسی سریع تر و آسان تری به داده ها را مرور می کنیم و در این جا یک مدل بین روش سنتی مشاهده K نزدیکترین همسایه و طبقه بندی به روش Apriori را، با هدف غلبه با مقدار زیادی از داده ها را مورد بررسی قرار داده ایم. و با شرح این دو روش ساده و پر کاربرد می توان با طبقه بندی و دسته بندی آیتم های مشابه به طبقه بندی داده ها پرداخت. KNN دراین روش k تا از همسایگانی ( در نزدیک ترین فاصله ) که شباهت بیشتری دارند را پیدا کرده و بدین وسیله دسته داده مشخص می گردد. در Apriori آیتم های پر تکرار را بافته و آیتم های کم تکرار هرس خواهد شد. دسته بندی کننده های دقیق از داده های از پیش دسته بندی شده یک موضوع مهم در حوزه یادگیری ماشین و داده کاوی است از این رو قصد داریم به معرفی دسته بندی ها جهت صفحات وب بپردازیم.
نویسندگان
نسرین صادقی هفشجانی
دانشجوی کارشناسی ارشد کامپیوتر، دانشگاه آزاد اسلامی، واحد سپیدان
سولماز قیصری
عضو هیئت علمی گروه کامپیوتر، دانشگاه آزاد اسلامی، واحد پردیس