حرکت از الگوریتم های k-Means وk-Medoids بهسمت الگوریتم CLARANS برای خوشه بندی پایگاه داده های بزرگ
محل انتشار: سومین کنفرانس داده کاوی
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 5,551
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IDMC03_046
تاریخ نمایه سازی: 13 دی 1389
چکیده مقاله:
خوشه بندی داده ها براساس شباهت از جمله مراحل مهم در تحلیل داده ها و یکی از ابزارهای پرکاربرد در حوزه ی داده کاوی است به ویژه در مورد مجموعه داده هایی که در آنها کشف ویژگیهای مشترک بین داده ها پیش از پردازش دشوار است تکنیکهای خوشه بندی جایگزین مناسبی برای تکنیکهای نظارت شده ای چون کلاسه بندی هستند دراین مقاله پس از برری جایگاه خوشه بندی در داده کاوی دو الگوریتم k-Means ، k-Medoids ، که از جمله پرکاربردترین الگوریتم ها در خوشه بندی هستند تحلیل شده و در نهایت الگوریتم CLARANS به عنوان روشی برای حل مشکل خوشه بندی پایگاه داده های بزرگ معرفی خواهد شد.
نویسندگان
زهرا مرادی منش
پژوهشکده ICT جهاد دانشگاهی تهران