بررسی و مقایسه انواع الگوریتمهای خوشهبندی

راحله نوفرستی; سیدحمید غفوری

بررسی و مقایسه انواع الگوریتمهای خوشهبندی

Publish place: 1st Iranian National Conference on Electrical & Computer Engineering

Publish Year: 1393

Type: Conference paper

Language: Persian

This Paper With 11 Page And PDF Format Ready To Download

DOWNLOAD Paper

Certificate
I'm the author of the paper

Export:

Link to this Paper:

https://civilica.com/doc/337766

Document National Code:

CECE01_015

Index date: 8 March 2015

بررسی و مقایسه انواع الگوریتمهای خوشهبندی abstract

خوشه بندی را می توان به عنوان مهمترین مسئله در یادگیری بدون نظارت در نظرگرفت. خوشه بندی با یافتن یک ساختار درون یک مجموعه از داده های بدون برچسب درگیر است. در خوشهبندی هیچ دسته از پیش تعیین شدهای وجود ندارد و دادهها صرفاًبراساس تشابه گروهبندی میشوند و عناوین هر گروه نیز توسط کاربر تعیین میگردد. خوشهبندی در مسائل استخراج دادهها، گروه بندی، تصمیمگیری و یادگیری ماشین شامل دادهکاوی، بازیابی اطلاعات، تقسیمبندی تصاویر و طبقهبندی الگوها، مناسب است. همچنین در مسائلی که دانش اولیه کمی درمورد دادهها و تصمیمگیری وجود دارد خوشهبندی میتواند، فرضیاتی را در مورد داده- ها در اختیار ما بگذارد. الگوریتمهای خوشهبندی گوناگونی برای استخراج دانش از درون مجموعه اطلاعات مختلف وجود دارد که در این مقاله این الگوریتمها مورد بررسی قرار گرفته است.

بررسی و مقایسه انواع الگوریتمهای خوشهبندی Keywords:

خوشهبندی , دادهکاوی , الگوریتمهای خوشهبندی , اعتبار سنجی

بررسی و مقایسه انواع الگوریتمهای خوشهبندی authors

راحله نوفرستی

دانشجوی کارشناسی ارشد مهندسی کامپیوتر گرایش نرم افزار، دانشگاه آزاد اسلامی واحد کرمان، ایران.

سیدحمید غفوری

دانشگاه آزاد اسلامی واحد کرمان، گروه مهندسی کامپیوتر و فناوری اطلاعات، ایران.

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 :

احسینی سمنانی، سمانه، کامران زمانی فر، ارایه روشی جدید مبتنی ... [مقاله کنفرانسی]

_ محمد _ حسن عابدی جعفری، فتاح آقا زاده، کاربرد ...

Filippone, M., Camastra, F., Masulli, F., and Rovetta, S. (2008), ...

Xu, R., Wunsch, D., (2005), Survey of clustering algorithms, IEEE ...

Yin, Y., Yasuda, K., (2006), Similarity coefficient methods applied to ...

Williams, G. (2011). Data mining with Rattle and R: the ...

Kaufman, L., & Rous Seeuw .P.J.(2005) _ Finding groups in ...

Nanda, S.R., Mahanty, B., Tiwari, M.K., (2010), Clustering Indian stock ...

. Mooi, E.& Sarstedt, M.(20 1 1). A concise guide ...

.K. Jain and P. J. Flynn, Image Segmentation Using Clustering, ...

1] .Everitt, B .S..landau, S , leese, M., & Stahl, ...

. Velmurugan, T., & Santhanam, T. (2010). Computational complexity between ...

.Krantz, A., Korn, R., & Menninger, M. (2009). Rethinking muSeum ...

. Tan, P., Steinbach, M., & Kumar, V. (2006). Introduction ...

. Shavelson, R. J. (1979). Applications of cluster analysis in ...

.R.C.Dubes, " How Many Clusters Are Best -An Experiment, Pattern ...

.M.R. Anderberg, "Cluster Analysis for Applications", Academic Press, Inc., New ...

8] .E.Rasmus S en, 'Clustering Algorithms", In W. B. Frakes ...

. Dietterich TG, "Machine learning research: Four current directions", AI ...

.S _ Guha, N .Koudas , A.Marathe and D. Srivastava, ...

_ _ H .Papadimitriou and K. S teiglitz _ _ ...

.M .Ester, H-P. Kriegel, J. S ander, andX.Xu, "A density-based ...

clustersin large spatial databases with noise", In Proceedings of 2nd ...

. Everitt, B. S., Landau, S. Leese, M., & Stahl, ...

نمایش کامل مراجع