مزایا و معایب انواع روشهای خوشه بندی و معیارهای ارزیابی آنها
Publish place: Third National Conference on Electrical and Computer
Publish Year: 1396
Type: Conference paper
Language: Persian
View: 6,535
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
CECA03_019
Index date: 4 September 2017
مزایا و معایب انواع روشهای خوشه بندی و معیارهای ارزیابی آنها abstract
برای بررسی رکوردهای مشابه در مجموعه دادههایی که در آنها، رکوردها برچسب خاصی ندارند، و همچنین برای کاهش اندازه مجموعه دادههای بزرگ، از عملیات خوشهبندی استفاده میشود. الگوریتمهای خوشهبندی، به دنبال گروهبندی کردن دادهها هستند، به گونهای که اعضایهر گروه از زاویهی خاصی با هم شباهت داشته باشند و با اعضای دیگر گروهها یا خوشهها، شباهتی نداشته و یا از شباهت کمتری برخوردار باشند. از جمله مشخصات مطلوب یک الگوریتم خوشهبندی، قابلیت مقیاسپذیری، توانایی مواجهه با انواع دادهها، استخراج خوشهها به هر شکل دلخواه،توانایی مقابله با دادههای نویزی و نادرست، عدم حساسیت به ترتیب ورود دادهها، عدم نیاز به پارامترهای ورودی، پذیرش دادههایی با ابعاد بالا و قابل فهم بودن نتایج الگوریتم است. در این تحقیق، به بررسی انواع روشهای خوشهبندی، آشنایی با الگوریتمهای موجود در هر روش، بررسی و مقایسه ویژگیهای هر یک و معیارهای ارزیابی آنها پرداخته میشود.
مزایا و معایب انواع روشهای خوشه بندی و معیارهای ارزیابی آنها Keywords:
مزایا و معایب انواع روشهای خوشه بندی و معیارهای ارزیابی آنها authors
مرضیه پورحجتی ثابت
باشگاه پژوهشگران جوان و نخبگان، واحد دولت آباد، دانشگاه آزاد اسلامی، اصفهان، ایران
علیرضا مهدوی لاسیبی
دانشگاه آزاد اسلامی، واحد دولت آباد، گروه کامپیوتر، اصفهان، ایران
اعظم ربیعی
باشگاه پژوهشگران جوان و نخبگان، واحد دولت آباد، دانشگاه آزاد اسلامی، اصفهان، ایران