ارائه روشی نوین در خوشه بندی داده ها بر اساس تشخیص ضریب همسایگی
سال انتشار: 1399
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 411
فایل این مقاله در 8 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:
ELEMECHCONF06_157
تاریخ نمایه سازی: 22 آذر 1399
چکیده مقاله:
خوشه بندی یکی از مهمترین بخش های مورد تحلیل در داده کاوی می باشد. هدف اصلی خوشه بندی، جداسازی داده ها به خوشه هایی است که به آن ها شباهت بیشتری نسبت به خوشه های دیگر دارند. محاسبه ارتباط و همبستگی بین داده ها، دو روش اصلی در الگوریتم هایی است که به موضوع خوشه بندی می پردازند. الگوریتم های بسیاری در این زمینه تا کنون معرفی شده است که انتخاب بهترین آن ها بر اساس نوع داده های موجود می تواند متفاوت باشد. برخی از الگوریتم ها ممکن است برای نوع خاصی از پراکندگی داده ها مناسب تر باشند در حالی که برخی از دیگر الگوریتم ها ممکن است داده های مرزی را به عنوان داده پرت در نظر بگیرد. در این نوشتار، با استفاده از یافتن ضریب همسایگی روشی ارائه شده است که می تواند داده ها را با کیفیت بالاتری نسبت به الگوریتم های موجود مانند K-means خوشه بندی نماید.
نویسندگان
داود ستوده
مربی گروه کامپیوتر، دپارتمان مهندسی برق و کامپیوتر، دانشکده منتظری، دانشگاه فنی و حرفه ای استان خراسان رضوی-ایران