Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

یک روش خوشه بندی خودکار با استفاده از رابطه همسایگی متقابل داده ها و ساختار هندسی دایره آپولونیوس

Year: 1400
COI: CSCG04_126
Language: PersianView: 44
This Paper With 10 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

مژگان سادات مشیریان - دانشکده فناوری اطلاعات و مهندسی کامپیوتر دانشگاه شهید مدنی آذربایجان، تبریز، ایران
مهدی هاشم زاده - دانشیار، دانشکده فناوری اطلاعات و مهندسی کامپیوتر دانشگاه شهید مدنی آذربایجان، تبریز، ایران
شهین پوربهرامی - استادیار، دانشکده مهندسی کامپیوتر دانشگاه فنی و حرفه ای، تهران، ایران

Abstract:

در بسیاری از مسائل یادگیری ماشین و داده کاوی مانند طبقه بندی و خوشه بندی، از الگوریتم های ساخت همسایگی برای مدل سازی روابط محلی بین نمونه های داده استفاده می شود. در یافتن ارتباط بین نقاط داده، تشخیص دقیق همسایگی نقاط به طور انکارناپذیری برای کاوش داده ها مفید است. طی سالیان اخیر، برخی روش های تشخیص همسایگی مبتنی بر ساختارهای هندسی ارائه شده اند که به دلیل دقت بالا در مکان یابی نقاط همسایگی بسیار کارآمد بوده اند. با این حال اغلب این روش ها برای تشکیل گروه های مشابه نیاز به بررسی همه نقاط همسایگی دارند. از این رو، هزینه های محاسباتی بالایی دارند. در این میان، ساختار دایره آپولونیوس در ارزیابی شباهت های محلی در بین مشاهدات، عملکرد بهتری از خود نشان داده است و زمینه جدیدی از علم هندسه را در داده کاوی گشوده است. ساختار آپولونیوس امکان معرفی دانش پنهان را از طریق معرفی معیارهای هندسه فراهم می کند و می تواند یک منطقه همسایگی پویا را برای نقاط داده تعریف کند. در این مقاله، با بهره گیری از مزایای ساختار هندسی دایره آپولونیوس و ایده همسایگان متقابل داده ها، یک روش خوشه بندی خودکار ارائه می شود. از ویژگی همسایگی متقابل نقاط داده برای تشخیص سریع و بهینه همسایگی نقاط داده، شناسایی نواحی متراکم و کشف داده های پرت (نویز) استفاده می شود. از ساختار هندسی دایره آپولونیوس نیز برای تعیین شعاع همسایگی نواحی متراکم (با چگالی داده بالا) استفاده می شود. طوری که برای هریک از نواحی، یک شعاع همسایگی پویا و متناسب با نقاط داده مربوطه استخراج می شود. طی این دو فرایند، هم تعداد خوشه های بهینه و هم اعضا هر خوشه شناسایی می شود. بدین ترتیب یک روش خوشه بندیخودکار حاصل می شود که بدون نیاز به دریافت پارامتر خاصی، حتی تعداد خوشه ها، می تواند عمل خوشه بندی داده ها را انجام دهد. آزمایش های انجام شده بر روی مجموعه داده های استاندارد و مقایسه نتایج با دیگر روش ها، نشان از عملکرد مناسب روش پیشنهادی دارد.

Keywords:

Paper COI Code

This Paper COI Code is CSCG04_126. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/1418635/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
مشیریان، مژگان سادات و هاشم زاده، مهدی و پوربهرامی، شهین،1400،یک روش خوشه بندی خودکار با استفاده از رابطه همسایگی متقابل داده ها و ساختار هندسی دایره آپولونیوس،Fourth International Conference on Soft Computing،https://civilica.com/doc/1418635

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم

اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

Scientometrics

The specifications of the publisher center of this Paper are as follows:
Type of center: دانشگاه دولتی
Paper count: 3,662
In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

New Papers

New Researchs

Share this page

More information about COI

COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

Support