بررسی کاربرد الگوریتم K-means در فرآیند خوشه بندی داده های بزرگ
Publish place: اولین کنفرانس ملی مهندسی کامپیوتر و فناوری اطلاعات
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,785
This Paper With 12 Page And PDF and WORD 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:
CIICE01_100
تاریخ نمایه سازی: 7 اردیبهشت 1396
Abstract:
عصر داده های بزرگ آغازشده است. داده ها با سرعت فراوانی ازنظر اندازه و تنوع در حال افزایش هستند. با رشد داده ها، چالش ها و تفاوت هایی برای این میزان داده به بار آمده است. داده های بزرگ نشان از ویژگی های متفاوت همچون حجم، تنوع، تغییرپذیری، ارزش، سرعت و پیچیدگی دارند که بر آن اساس آنالیز داده ها و کسب اطلاعاتی با فنون داده کاوی بسیار دشوار است. استخراج داده روشی است برای خارج کردن داده های مفید، اما رویکردهای کلاسیک استخراج داده ها به علت پیچیدگی زیاد نمی توانند به طور مستقیم برای داده های بزرگ مورداستفاده قرار گیرند. خوشه بندی از روش های مهم درداده کاوی است که به دلیل نزدیک بودن با مسایل طبیعی در بسیاری از زمینه ها موردتوجه قرارگرفته است. یکی از مهم ترین الگوریتم های خوشه بندی که به طور گسترده به کار می رود الگوریتم k-means است. الگوریتم فوق کاربردهای بسیاری در زمینه های مختلف علمی و صنعتی دارد. الگوریتم خوشه بندی K-means علی رغم سادگی یک روش پایه برای بسیاری از روش های خوشه بندی دیگر (مانند خوشه بندی فازی) محسوب می شود. این روش روشی انحصاری و مسطح محسوب می شود برای این الگوریتم شکل های مختلفی بیان شده است. ولی همه آن ها دارای روالی تکراری هستند.
Keywords:
Authors
فرزانه بنده پی
دانشجوی کارشناسی ارشد امنیت اطلاعات، دانشگاه مهر آستان
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 :