بهبود زمان اجرای الگوریتم خوشه بندی k-means با استفاده از خلاصه سازی داده های ورودی و مدل نگاشت - کاهش
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 772
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITCC01_386
تاریخ نمایه سازی: 9 فروردین 1395
Abstract:
الگوریتم k-means یکی از کاربردی ترین الگوریتم های خوشه بندی می باشد، که به دلیل سادهو قابل فهم بودن مورد توجه قرار گرفته است. در حالت کلی زمانی که حجم داده های ورودی بهالگوریتم خوشه بندی k-means زیاد شود، کارایی آن به دلیل محاسبات زیاد کاهش می یابد. دراین مقاله، یک الگوریتم خوشه بندی تقریبی مبتنی بر k-means را ارائه می کنیم که در آن باخلاصه سازی داده ها حجم محاسبات تا حد زیادی کاهش می یابد. فرآیند خلاصه سازی داده ها برمبنای دو پارامتر فاصله و زاویه داده ها از یک مبدا مختصات انجام شده و داده های نزدیک به هم بهعنوان یک مجموعه در نظر گرفته می شوند. سپس نماینده وزنی داده ها جایگزین مجموعه دادهمی گردد. از سوی دیگر برای کاهش زمان اجرا از مدل موازی نگاشت کاهش برای خلاصه سازی -داده های ورودی و همچنین اجرای الگوریتم، استفاده می کنیم. پیاده سازی الگوریتم پیشنهادی ومقایسه آن با خوشه بندی مرسوم k-means نشان دهنده بهبود پیچیدگی زمانی خوشه بندی به مقدارقابل توجه می باشد.
Keywords:
Authors
محدثه درویش زاده
گروه کامپیوتر، پردیس علوم و تحقیقات شاهرود، دانشگاه آزاد اسلامی واحد شاهرود، ایران
هدی مشایخی
دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه شاهرود، شاهرود، 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 :