ارائه یک روش خوشه بندی مبتنی بر پایدارترین خوشه های اولیه با استفاده از معیار فیشر اصلاح شده
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,274
This Paper With 9 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:
IRCEM01_150
تاریخ نمایه سازی: 25 آذر 1395
Abstract:
هر روزه انسان ها با حجم وسیعی از اطلاعات روبه رو هستند که باید آنها را ذخیره سازی یا نمایش دهند. یکی از روش های حیاتی کنترل و مدیریت آن داده ها، خوشه بندی می باشد. امروزه خوشه بندی نقش حیاتی در روش های بازیابی اطلاعات برای سازماندهی مجموعه های بزرگ درون تعداد کمی خوشه معنادار دارد. الگوریتم های خوشه بندی ترکیبی چند الگوریتم خوشه بندی را با هم ترکیب می کنند تا در نهایت به یک سیستم کلی خوشه بندی برسد. از آنجا که الگوریتم های خوشه بندی مختلف به نقاط مختلف داده نگاه می کنند، بنابراین آنها می توانند افرازهای مختلفی را از این چنین داده هایی تولید کنند. با ترکیب افرازهای به دست آمده از الگوریتم های مختلف، ایجاد یک افراز یا کارایی بالا ممکن است. حتی اگر خوشه ها از هم بسیار متراکم باشند، اکثر مطالعات در این حوزه تمامی خوشه های اولیه را بررسی می کنند. در این مقاله به روش جدیدی ارائه شده است که به جای استفاده از تمامی خوشه های اولیه تولید شده، از پایدارترین آنها استفاده می کند. برای انتخاب خوشه های پایدارتر از تابع توافقی مبتنی بر ماتریس همبستگی استفاده می شود. روش انتخاب پایدارترین خوشه ها بر اساس معیار پایداری خوشه مبتنی بر معیار فیشر صورت می گیرد و سپس خوشه های به دست آمده توسط الگوریتم ژنتیک مورد ازیابی قرار می گیرد و طبق این الگوریتم پایدارترین خوشه ها انتخاب می شود. نتایج تجربیه روی چندین مجموعه داده نشان می دهد که خروجی روش پیشنهادی خوشه های متنوع و با پایداری بالا می باشد.
Keywords:
Authors
مهدی صادقی مقدم
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی، واحد یاسوج
سیروس بیانی
عضو هیئت علمی دانشگاه آزاد اسلامی، واحد یاسوج
کرم الله باقری فرد
عضو هیئت علمی دانشگاه آزاد اسلامی واحد یاسوج
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 :