بررسی تاثیر نرمال سازی داده ها و صحت قرار گیری داده در خوشه توسط الگوریتم های خوشه بندی در داده کاوی
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,701
فایل این مقاله در 7 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:
AEBSCONF02_145
تاریخ نمایه سازی: 16 خرداد 1394
چکیده مقاله:
داده کاوی یکی از پیشرفت های اخیر در حوزه کامپیوتر برای کشف عمقی دادها می باشدکه در این بین ، خوشه بندی از مهمترین الگوریتم های داده کاوی بشمار می آید و کاربرد بسیاری در کشف دانش دارد. الگوریتم های خوشه بندی اطلاعاتی را که ویژگی های نزدیک به هم و مشابه دارند را در دسته های جداگانه که به آن خوشه گفته می شود قرار می دهند .به دلیل کاربرد بسیار آن در کشف دآنش ، در این مقاله سعی بر آن داریم تا با اجرای الگوریتم هایی از دسته خوشه بندی (K-means و K-means fast و K-medoids و X-means) بر روی چندین داده نمونه و استفاده از برنامه تشخیص صحت قرارگیری داده ها در خوشه ، میزان رسیدن به خوشه هایی با بیشترین شباهت در بین اشیا یک خوشه و بیشترین تفاوت بین اشیا خوشه های دیگر را ،مورد بررسی قرار دهیم. در قسمت اول این مقاله بنابر نیاز ابتدا توضیحاتی در مورد داده کاوی و روش های نرمال سازی داده ها ارائه می گردد و پس از آن با شروع مبحث خوشه بندی مفاهیم و قوانین استفاده شده در راستای اهداف مقاله مورد بحث قرار میگیرند و در انتها آزمایشات و نتایج حاصل از آن قرار خواهد گرفت تا بتوانیم بررسی ای بر روی نتایج حاصل از الگوریتم های فوق داشته باشیم و تاثیرات نرمال سازی داده ها را نمایان خواهیم نمود.
کلیدواژه ها:
نویسندگان
حسین حسن پور
موسسه آموزش عالی تعالی قم
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 :