کاربرد روشهای کلاسترگرام و آماری در بدست آوردن تعداد خوشه بهینه در دادههای غیر سلسله مراتبی مربوط به زلزله تبریز
محل انتشار: دومین کنفرانس ملی ایده های نو در مهندسی برق
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,074
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:
NCNIEE02_293
تاریخ نمایه سازی: 29 بهمن 1392
چکیده مقاله:
الگوریتم – kmeans یکی از پرکاربردترین و معروفترین الگوریتمهای خوشهبندی در دادهکاوی و تشخیص الگو است. یک نقطه ضعف الگوریتم خوشهبندی kmeans این است که تعداد خوشهها در ابتدا باید توسط کاربر تعیین شوند اما در بسیاری از کاربردها احتیاج است که تعدادخوشهها بهطور خودکار تعیین شوند. در این مقاله، تعیین مقدار بهینه تعداد خوشهها و بررسی پایداری آن در هر اجرای الگوریتم خوشهبندیkmeans با استفاده از نمودارها و معیارهای مختلف آماری بررسی شده است. در این مقاله دادههای لرزهای گسل تبریز مورد مطالعه قرار گرفته است. در رابطه با خوشه بندی دادههای لرزهای و تعیین تعداد بهینه خوشهها که بیانگر گسلهای موجود است تاکنون چنین کاری انجام نشده است. در این مقاله با بررسی و تحلیل نمودارها و معیارهای تعیین تعداد بهینه خوشهها در رابطه با گسل تبریز مورد مطالعه قرار گرفته است. نتایجتحقیق نشان میدهد که تعداد بهینه خوشههای بدست آمده از طریق محاسبات با نتایج مطالعات زمینشناسی تطابق دارد. در آزمایشی دیگر مقداری بهتر برای تعداد خوشهها حاصل شده است که بهخوبی پارههای این گسل را بدون روی هم افتادگی خوشهها نشان میدهد
کلیدواژه ها:
نویسندگان
نگارسادات سلیمانی ذاکری
دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز،
سعید پاشازاده
دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز،
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :