خوشه بندی سلسله مراتبی داده های ناقص بدون تخصیص مقدار به مقادیر مفقود شده
Publish place: 14th Annual Conference of Computer Society of Iran
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,328
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI14_200
تاریخ نمایه سازی: 26 مهر 1387
Abstract:
تکنیک های خوشه بندی در بسیاری از کاربردهای عملی به کار رفته اند. در کاربرد های عملی به کرات اتفاق می افتد که بعضی از مقادیر ویژگیهای الگوها تعیین نشده یا مفقود شده باشد. به صورت کلاسیک به دو روش با این مساله برخورد می شود؛ یا نمونه ناقص نادیده گرفته می شود و یا ویژگی مجهول تقریب زده می شود و جایگذاری می گردد (تخصیص مقدار). صرف نظر کردن از نمونه ناقص ممکن است سبب از دست رفتن برخی الگوهای جذاب در یادگیری گردد. جایگذاری مقادیر از دست رفته با مقادیری از قبیل میانگین یا میانه نیز ممکن است موجبات انحراف فرآیند یادگیری را فراهم آورده و الگوریتم های خوشه بندی را دچار اشتباه نماید. با استفاده از روش های ترکیب خوشه بندیها این مشکل به صورت ساده و کارا قابل حل است. در این حالت هیچ اطلاعات گمراه کننده ای به الگوهای ناقص اضافه نمی شود در عین حال از اطلاعات موجود در دیگر ویژگی های چنین الگوهایی استفاده می شود.
Keywords:
Authors
عبدالرضا میرزایی
دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر
محمد رحمتی
دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر
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 :