یک خوشهبندی جمع شونده جدید بر اساس حرکت نمونهها در فضای ویژگی
Publish place: 13th Annual Conference of Computer Society of Iran
Publish Year: 1386
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,581
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI13_013
تاریخ نمایه سازی: 25 آبان 1386
Abstract:
خوشهبندی را میتوان طبقهبندی داده ها بر اساس نوعی شباهت تعریف کرد. معیارهای شباهتسنجی متفاوتی تا کنون نسخه - های گوناگونی از این روشها را معرفی کردهاند. هر یک از این روشها،
مزایا و معایبی در پی دارند. در این مقاله، به بررسی نیروی گرانش به عنوان یکی از خاصیت های بنیادی ذرات ماده پرداخته می شود . معیارهای شباهت بسیاری از جمله فاصلهی اقلیدسی نمونهها در فضای ویژگی وجود دارد؛ اما با استفاده از خاصیت گرانش، قضاوت در مورد شباهت دو نمونه به خود نمونهها واگذار میشود که برگرفته از تأثیرات تمام نمونهها و اثر نیروی گرانش میباشد. نتایج این مقاله بر رو ی داده- های دو بعدی به صورت گرافیکی با روش هایISODATA و DSRPCL2مقایسه شده است. همچنین این مقایسه با استفاده از معیار کلاسهبندی بر روی چند مجموعه داده استاندارد و با روش های K- DSRPCL2 ،Means و کوچکترین درخت پوشا صورت گرفته و نتایج رضایت بخش است.
Keywords:
Authors
محمد طاهری
دانشجوی کارشناسی ارشد، مهندسی کامپیوتر(هوش مصنوعی) بخش کامپیوتر، دان
الهام چیتساز
دانشجوی کارشناسی ارشد، مهندسی کامپیوتر(هوش مصنوعی) بخش کامپیوتر، دان
سراج الدین کاتبی
استاد و عضو هیئت علمی بخش کامپیوتر، دانشگاه شیراز
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 :