مروری بر روشهای انتخاب نقاط اولیه در الگوریتم k-means
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,930
فایل این مقاله در 9 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:
AISST01_091
تاریخ نمایه سازی: 5 مرداد 1392
چکیده مقاله:
یکی از تکنیکهای کشف دانش برای آشکار ساختن ساختارها در دادهها، خوشه بندی است که به طور گسترده ای مورد استفاده قرار میگیرد. در الگوریتمهای خوشه بندی، انتخاب یک روش مناسب برای انتخاب مراکز خوشه های اولیه بسیار مهم است و تاثیر مستقیم در شکل سیری خوشه های نهایی دارد. از آنجا که خوشه ها در گروه هایی با فضای ویژگی از هم جدا هستند، مطلوب است مراکز اولیه به گونه ای انتخاب شوند که کاملا از هم یکدیگر مستقل باشند. در این مقاله، به بررسی روشهایی که برای محاسبه مراکز خوشه اولیه در الگوریتم k-means پیشنهاد شده است، می پردازیم.
کلیدواژه ها:
نویسندگان
شکوفه خوش نظر
دانشجوی کارشناسی ارشد دانشگاه سیستان و بلوچستان
حسن رضایی
عضو هیئت علمی دانشگاه سیستان و بلوچستان
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 :