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
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 5,544
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IDMC03_046
تاریخ نمایه سازی: 13 دی 1389
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.
Authors
زهرا مرادی منش
پژوهشکده ICT جهاد دانشگاهی تهران