ارائه یک نسخه بهبود یافته از الگوریتم K-means بر مبنای الگوکاوی
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 155
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CSICC28_026
تاریخ نمایه سازی: 27 اسفند 1401
چکیده مقاله:
خوشه بندی یکی از مهم ترین مباحث در زمینه ی داده کاوی است. هدف از خوشه بندی تفکیک داده ها است به گونه ای که داده های موجود در یک خوشه بیشترین شباهت را به یکدیگر و کمترین شباهت را با اعضای خوشه های دیگر داشته باشند. یکی از مهم ترینالگوریتم های خوشه بندی الگورریتم means-K می باشد. در این الگوریتم ابتدا به تعداد خوشه ها به صورت تصادفی از داده های اصلی مراکز خوشه اولیه انتخاب می شوند و سپس عمیات یافتن خوشه ها اجرا می شود. چالش اصلی در means-K انتخاب مراکز خوشه ها به صورت بهینه است. درگذشته پژوهش های متعددی در زمینه انتخاب مراکز اولیه خوشه ها در الگروریتم means-K صرورت گرفته است. در این مقاله برای نخستین بار روش جدیدی برای انتخاب مراکز خوشه ها مبتنی بر الگوکاوی ارائه می شود. در این روش ابتدا برای کاهش حجم داده ها، انتخاب ویژگی روی داده ها اعمال می شود؛ سپس الگوهای پرتکرار استخراج و برپایه ی این الگوها مراکزاولیه خوشه ها مشخص می شود. روش پیشنهادی با روش پایه means-K و با روش جدید BDD برر روی ۵ مجموعه داده با ابعاد گوناگون ارزیابی می شود. نتایج به دست آمده نشان می دهد در اغلب موارد، روش پیشنهادی عملکرد بهتری دارد
کلیدواژه ها:
نویسندگان
زهرا هاشمی
دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر ، دانشگاه اراک ، اراک، ایران
مریم امیری
استادیار، گروه مهندسی کامپیوتر ، دانشگاه اراک ، اراک ، ایران