ارائه الگوریتم پیشنهادی سریع خوشه بندی k-means

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 832

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCC01_235

تاریخ نمایه سازی: 9 فروردین 1395

چکیده مقاله:

امروزه یکی از مهمترین رویکردهای تحلیل داده های عظیم، استفاده از خوشه بندی یک روش متداول درپردارش داده ها است. در نیم قرق اخیر، الگوریتم خوشه بندی k-means بدلیل سادگی در پیاده سازی، برای حل مسائلمختلف مورد استفاده قرار گرفته است. در این مقاله سعی شده تا کارهای انجام شده در این زمینه مورد بررسی قرار بگیرد. مهمترین بهینه سازی های صورت گرفته روی الگوریتم k-means در راستای بهبود انتخاب نقاط مرکزی اولیه انجام گرفته است.

نویسندگان

مهسا توسلی

شرکت مخابرات خراسان رضوی

عبدالرضا سوادی

استاد، دانشگاه فردوسی مشهد

محمدحسین یغمایی مقدم

استاد، دانشگاه فردوسی مشهد

بابک خورسند غفاری

دانشجو، دانشگاه فردوسی مشهد

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 :
  • Su, T., & Dy, J. G. "In search _ deterministic ...
  • Lu, J. F., Tang, J. B., Tang, Z. M., & ...
  • Onoda, T., Sakai, M., & Yamada, S. "Careful seeding method ...
  • Al Hasan, M., Chaoji, V., Salem, S., & Zaki, M. ...
  • Cao, F., Liang, J., & Jiang, G. "An initialization method ...
  • Celebi, M. E., et al. (2013). "A comparative study of ...
  • Niknam, T., et al. (2011). "An efficient hybrid algorithm based ...
  • Farivar, R., Rebolledo, D., Chan, E., & Campbell, R. H. ...
  • Kerdprasop, K., & Kerdprasop, N. (2010, October). Parallelization of k-means ...
  • نمایش کامل مراجع