حرکت از الگوریتم های k-Means وk-Medoids بهسمت الگوریتم CLARANS برای خوشه بندی پایگاه داده های بزرگ
Publish place: 3rd Iran Data Mining Conference
Publish Year: 1388
Type: Conference paper
Language: Persian
View: 5,649
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
IDMC03_046
Index date: 3 January 2011
حرکت از الگوریتم های k-Means وk-Medoids بهسمت الگوریتم CLARANS برای خوشه بندی پایگاه داده های بزرگ abstract
خوشه بندی داده ها براساس شباهت از جمله مراحل مهم در تحلیل داده ها و یکی از ابزارهای پرکاربرد در حوزه ی داده کاوی است به ویژه در مورد مجموعه داده هایی که در آنها کشف ویژگیهای مشترک بین داده ها پیش از پردازش دشوار است تکنیکهای خوشه بندی جایگزین مناسبی برای تکنیکهای نظارت شده ای چون کلاسه بندی هستند دراین مقاله پس از برری جایگاه خوشه بندی در داده کاوی دو الگوریتم k-Means ، k-Medoids ، که از جمله پرکاربردترین الگوریتم ها در خوشه بندی هستند تحلیل شده و در نهایت الگوریتم CLARANS به عنوان روشی برای حل مشکل خوشه بندی پایگاه داده های بزرگ معرفی خواهد شد.
حرکت از الگوریتم های k-Means وk-Medoids بهسمت الگوریتم CLARANS برای خوشه بندی پایگاه داده های بزرگ Keywords:
حرکت از الگوریتم های k-Means وk-Medoids بهسمت الگوریتم CLARANS برای خوشه بندی پایگاه داده های بزرگ authors
زهرا مرادی منش
پژوهشکده ICT جهاد دانشگاهی تهران