کاربرد الگوریتم های فرا ابتکاری در خوشهبندی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 868

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

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

MHAA01_109

تاریخ نمایه سازی: 17 اسفند 1393

چکیده مقاله:

مساله اصلی داده کاوی بخصوص خوشه بندی درپایگاه های داده مجموعه های داده باتعداد بالا ابعادزیاد و گستردگی اطلاعات است هدف اصلی این تحقیق ارایه روشی به منظور برطرف کردن مشکلات خوشه بندی درمجموعه داده های بزرگ باابعادبالا است به همین دلیل یک روش ترکیبی دومرحله ای ارایه میشود که دراین روش ترکیبی درمرحله اول بااستفاده ازشبکه عصبی SOM بعدمجموعه های داده کاهش می یابد سپس با موازی سازی SOM سرعت همگرایی افزایش می یابد درمرحله دوم ازخوشه بندی طیفی برای بدست آوردن خوشه های مناسب استفاده میشود

نویسندگان

الهام توکلی

دانشگاه آزاد اسلامی واحد ساری

همایون موتمنی

دانشگاه آزاد اسلامی واحد ساری

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 :
  • B. J. Frey, D. Dueck, _ Clustering by Passing Messages ...
  • T. Kohonen, T. Honkela, _ Kohonen network ". Scholarpedia. Retrieved ...
  • T. Kohonen, "Self Organizing Maps", Springer- Verlag, 3rd edition, 2001. ...
  • M. Fiedler, " Algebraic connectivity of graphs ", Czechoslovak Mathematicat ...
  • A. Pothen, H. D. Simon and K.-P. Liou, _ Partitioning ...
  • R. Kannan, S. Vempala, and A. Vetta, _ On clusterings: ...
  • C. H. Q. Ding, X. He, H. Zha, M. Gu, ...
  • J. Shi and J. Malik, _ Normalized cuts and image ...
  • T. Frank, K-F. Kraiss, T. Kuhlen, _ Comparative Analysis of ...
  • نمایش کامل مراجع