ارائه راهکاری برای خوشه بندی داده های بسیارحجیم به منظور اهداف داده کاوی
Publish place: هفتمین کنفرانس ملی و اولین کنفرانس بین المللی مدیریت دانش
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 587
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IKMC07_388
تاریخ نمایه سازی: 9 مرداد 1395
Abstract:
کاربردهای زیادی وجود دارند که درآنها خوشه بندی مجموعه الگوهای بزرگ ضروری است اکثرتقریب ها و الگوریتم های تعریف شده توانایی دستکاری این مجموعه داده های بزرگ را ندارند دراین مقاله به بررسی مزایا و معایب هریک ازالگوریتم های خوشه بندی برای داده های حجیم نظیر CURE ، CLARANS، BIRCHوCOBWEB پرداخته شده است سپس یک روش پیشنهادی جدید خوشه بندی برای داده های بسیار بزرگ ارایه شده است و هدف این بوده است که مناسب برای حالتهایی باشد که امکان بارگذاری همزمان همه داده ها درحافظه وجود نداردوداده ها بصورت بلا های متوالی بارگذاری میشوند این الگوریتم ازسه فاز اصلی تشکیل شده است درفاز نخست فضای کل داده ها به ناحیه های یکسان تقسیم بندی میشوند درفاز دوم ناحیه دربرگیرنده هرداده مشخص شده و داده های تعلق یافته به هرناحیه باکمیت های حداقلی به صورت فشرده ذخیره میشوند و هرناحیه متناظر بایک خوشه اولیه می باشد همچنین درفاز سوم بعضی ازخوشه های اولیه بصورت سلسله مراتبی باهم ترکیب شده و خوشه های نهایی را تشکیل میدهند برای ارزیابی کارایی روش پیشنهادی مجموعه داده های مصنوعی تولید شده و الگوریتم به این داده ها اعمال شده است و نتیجه خوشه بندی خوبی حاصل شده است
Authors
فتاح بیات
مربی ریاضی کاربردی دانشگاه آزاد اسلامی ملایر 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 :