ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
Publisher of Iranian Journals and Conference Proceedings
Paper
Title

بهبود روش طبقه بندی داده های جریانی مبتنی بر الگوریتم BIRCHبا استفاده از راه کارهای فازی

Year: 1397
COI: AIECE01_020
Language: PersianView: 104
This Paper With 10 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

علی اکبر فخارزاده نایینی - دانشجوی ارشد موسسه آموزشی علامه نایینی
سیدمصطفی بنی طبا - عضو هیات علمی دانشگاه آزاد اسلامی واحد نایین

Abstract:

امروزه با پیشرفت های تکنولوژی سخت افزار، و امکان تولید خودکار محتوا و انجام تراکنش های پی در پی با حجم زیادی از اطلاعات رو به رو هستیم، که کاوش این اطلاعات برای مدیران اجرایی جهت تجزیه و تحلیل برای تصمیم گیری در امور مربوطه کاری بسی طاقت فرسا است. سرعت رشد این داده ها به حدی زیاد است که ذخیری سازی و پردازش کردن آنها برای افراد و ماشین ها سخت شده است. استخراج دانش در این حجم زیاد از اطلاعات از چالش های بالقوه در حوزه کاوش داده و داده کاوی است. کاوش داده ها با حجم بالا مستلزم الگوریتم های کارآمدی هستند تا بتوانند با توجه به حجم محدود و سرعت بالای تولید داده علاوه بر ذخیره سازی خلاصه داده، اطلاعات لازم را نیز از این داده ها استخراج کنند. طبقه بندی یکی از شاخه های کاوش داده برای استخراج اطلاعات از داده ها ورودی است. موضوعی که طبقه بندی را از دیگر شاخه های کاوش داده متمایز می کند عدم نیاز به داشتن اطلاعات قبلی از اطلاعات است و نوعی یادگیری بدون نظارت می باشد. طبقه کردن داده ها بر اساس معیار شباهت است که این شباهت می تواند بر اساس فاصله یا چگالی و ... باشد. الگوریتم های زیادی برای طبقه بندی کردن داده ها ارایه شده است. در این نوشتار از الگوریتم سلسله مراتبی BIRCH و طبقه بندی های احتمالی و فازی برای طبقه کردن داده ها استفاده شده که علاوه قدرت ذخیره سازی خوب خلاصه داده ها توانایی تولید طبقه هایی با کیفیت را دارا می باشند.

Keywords:

طبقه بندی، داده های جریانی، BIRCH، طبقه بندی فازی

Paper COI Code

برای لینک دهی به این Paper می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت Paper در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/848295/

How To Citation:

در صورتی که می خواهید در اثر پژوهشی خود به این Paper ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
فخارزاده نایینی، علی اکبر و بنی طبا، سیدمصطفی،1397،بهبود روش طبقه بندی داده های جریانی مبتنی بر الگوریتم BIRCHبا استفاده از راه کارهای فازی،همایش ملی ابتکار نوین و کاربردی در مهندسی برق و کامپیوتر با رویکرد دانش بنیان،نایین،،،https://civilica.com/doc/848295

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این Paper اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1397، فخارزاده نایینی، علی اکبر؛ سیدمصطفی بنی طبا)
برای بار دوم به بعد: (1397، فخارزاده نایینی؛ بنی طبا)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم

اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

New Papers

Share this page

More information about COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

Support