تحلیل و بررسی الگوریتم های خوشه بندی داده های جریانی
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 3,716
This Paper With 9 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:
SIEC03_052
تاریخ نمایه سازی: 11 شهریور 1391
Abstract:
خوشه بندی داده ها بر اساس شباهت از جمله مراحل مهم در تحلیل داده ها و یکی از ابزارهای پرکاربرد در حوزه داده کاوی است. در حالی که مسئله خوشه بندی مسئله دوشاری در زمینه جریان داده ها بشمار می رود. این دشواری به دلیل حجم زیاد داده دریافتی از یک جریان است که باعث ناکارآمد شدن الگوریتم های سنتی CLARANS و BIRCH شده است. این داده ها اشاره به حجم وسیعی از اطلاعات انباشته شده دارد که محدودیت های فراوانی برای پردازش ایجاد کرده اند. لذا می بایست الگوریت های جدید DBSCAN و STING برای برخورد با اینگونه داده ها توسعه یابند. به دلیل توانمندی روش های خوشه بندی در تولید خوشه های با کیفیت توسعه این الگوریتم ها برای مدیریت و دسته بندی داده های جریانی یکی از اهداف این مقاله می باشد.
Keywords:
خوشه بندی- داده کاوی- جریان داده- الگوریتم های سنتی CLARANS و BIRCH , الگوریتم های جدید DBSCAN و STING
Authors
امین عشیر
گروه کامپیوتر، دانشجوی دانشگاه آزاد اسلامی واحد دزفول
مرضیه سیفی پور
گروه کامپیوتر- دانشگاه آزاد اسلامی واحد نجف آباد
امین مهران زاده
گروه کامپیوتر، عضو هیئت علمی دانشگاه آزاد اسلامی واحد دزفول
فراز فروتن
گروه کامپیوتر، عضو هیئت علمی دانشگاه آزاد اسلامی واحد دزفول
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :