مروری بر روشهای انتخاب نقاط اولیه در الگوریتم k-means
Publish place: National Conference on Application of Intelligent Systems (soft computing) in Science and Technology
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 2,041
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
AISST01_091
Index date: 27 July 2013
مروری بر روشهای انتخاب نقاط اولیه در الگوریتم k-means abstract
یکی از تکنیکهای کشف دانش برای آشکار ساختن ساختارها در دادهها، خوشه بندی است که به طور گسترده ای مورد استفاده قرار میگیرد. در الگوریتمهای خوشه بندی، انتخاب یک روش مناسب برای انتخاب مراکز خوشه های اولیه بسیار مهم است و تاثیر مستقیم در شکل سیری خوشه های نهایی دارد. از آنجا که خوشه ها در گروه هایی با فضای ویژگی از هم جدا هستند، مطلوب است مراکز اولیه به گونه ای انتخاب شوند که کاملا از هم یکدیگر مستقل باشند. در این مقاله، به بررسی روشهایی که برای محاسبه مراکز خوشه اولیه در الگوریتم k-means پیشنهاد شده است، می پردازیم.
مروری بر روشهای انتخاب نقاط اولیه در الگوریتم k-means Keywords:
مروری بر روشهای انتخاب نقاط اولیه در الگوریتم k-means authors
شکوفه خوش نظر
دانشجوی کارشناسی ارشد دانشگاه سیستان و بلوچستان
حسن رضایی
عضو هیئت علمی دانشگاه سیستان و بلوچستان
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 :