بررسی و مقایسه انواع الگوریتمهای خوشهبندی
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,465
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CECE01_015
تاریخ نمایه سازی: 17 اسفند 1393
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.
Keywords:
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 :