بهبود الگوریتم خوشه بندی DB-SCAN با استفاده از شبکه عصبی ماشین یادگیر سریع
Publish Year: 1400
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 268
This Paper With 7 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:
SMARTCITYC02_033
تاریخ نمایه سازی: 19 آذر 1400
Abstract:
خوشه بندی به معنای یافتن تشابه در دسته ها براساس معیارهای متفاوتی می باشد DBSCAN یکی از قدرتمند ترین الگوریتم های خوشه بندی است که بر اساس چگالی داده ها را دسته بندی نموده و فارغ از فاصله می باشد. همانند بیشتر الگوریتم های خوشه بندی که خروجی نهایی آنها وابسته به پارامتر های ورودی می باشد الگوریتم خوشه بندی DBSCAN نیز وابسته به دو پارامتر ورودی است. یکی شعاع همسایگی و دیگری حداقل نقاط موجود در یک خوشه می باشد DBSCAN همانند سایر روش ها نسبت به پارامتر های ورودی حساس می باشد لذا ما در این پایان نامه با استفاده از روش های شبکه عصبی به بررسی این مشکل پرداخته و یک الگوریتم جدید بر اساس ماشین یادگیر سریع ارائه داده ایم که در الگوریتم DBSCAN دو پارامتر اساسی به صورت اتوماتیک تعیین شده و بسیار کارآمد است. نتایج آزمایشات نشان دهنده ی برتری الگوریتم پیشنهادی در قیاس با برخی الگوریتم خوشه بندی مشهور می باشد.
Keywords:
Authors
محمد حسین حقیقی فرد
کارشناسی ارشد، گروه مهندسی کامپیوتر، موسسه آموزش عالی اپادانا ، شیراز،ایران
هاله همایونی
استادیار، مهندسی کامپیوتر و فناوری اطلاعات، موسسه آموزش عالی آپادانا، شیراز