انتخاب خوشه بندی ترکیبی بر اساس اندازه گیری پراکندگی کمی
Publish Year: 1402
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 58
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CRIAL01_091
تاریخ نمایه سازی: 7 مرداد 1403
Abstract:
خوشه بندی به عنوان یکی از شاخه های یادگیری بدون نظارت می باشد و فرآیند خودکاری است که در طی آن، نمونه ها بهدسته هایی که اعضای آن مشابه یکدیگر می باشند تقسیم می شوند که به این دسته ها خوشه گفته می شود . در واقع خوشه بندیوظیفه کاوش الگوهای پنهان در داده های بدون برچسب را بر عهده دارد . هدف اصلی خوشه بندی ترکیبی جستجوی بهترینخوشه ها با استفاده از ترکیب نتایج الگوریتم های دیگر است . بنابراین در این رو ش بر اساس معیاری توافقی مجموعه ای ازمطلوب ترین نتایج اولیه را انتخاب کرده و فقط توسط آنها نتیجه نهایی را ایجاد می کنیم. پس زیر مجموعه ای از آن نتایجانتخاب می شوند که موجب بهبود پاسخ نهایی شوند . در این پژوهش می خواهیم میزان پراکندگی در خوشه بندی های پایه رااندازه گیری کنیم و نهایتا یک معیار اندازه گیری جدید ارائه دهیم. در ابتدا از الگوریتم کی-مینز با پارامتر های ورودی مختلفجهت خوشه بندی اولیه این مجموعه داده ها و بدست آوردن پراکندگی های مختلف، استفاده می کنیم. سپس اختلاف اینپراکندگی ها را بر اساس یک اندازه گیری تنوع ۳ بدست می آوریم و جواب نهایی را با استفاده از یک تابع اجماع محاسبه میکنیم. معیارهای مختلفی جهت انتخاب مطلوب ترین روش وجود دارند. در اینجا ما دقت همه ی خوشه ها را برحسب معیاراطلاعات متقابل نرمال شده ۵ و ای آر آی ۶ محاسبه کرده و ارتباط آنها را با دقت راه حل نهایی بدست می آوریم
Keywords:
Authors
یعقوب آقا
گروه مهندسی کامپیوتر – دانشگاه آزاد اسلامی – قشم – ایران
عرفانه نوروزی
دانشگاه آزاد اسلامی واحد قشم، قشم، ایران