الگوریتم خوشه بندی مبتنی بر تراکم سریع

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,177

فایل این مقاله در 9 صفحه با فرمت PDF و WORD قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NSOECE01_174

تاریخ نمایه سازی: 1 مهر 1394

چکیده مقاله:

مساله خوشه بندی یک مساله یادگیری نظارت نشده است و روشی است که اشیاء داده را به خوشه های متناسب تقسیم بندی می کند. اشیاء داده در یک خوشه کاملا شبیه به یکدیگر و متفاوت با خوشه های دیگر هستند. الگوریتم های سنتی جدیدترین الزامات همزمان برای اشیاء را ندارند. الگوریتم های خوشه بندی مبتنی بر تراکم، خوشه ها را براساس تراکم نقاط داده در یک منطقه پیدا می کنند. الگوریتم DBSCAN یکی از الگوریتمهای خوشه بندی مبتنی بر تراکم است. ما روش جدیدی برای تولید پارامترهای اتوماتیک طراحی کردیم که خوشه هایی با تراکم های مختلف ایجاد می کند و خوشه هایی با شکل اختیاری تولید می کند. درخت kd برای افزایش کارایی حافظه استفاده می شود. عملکرد الگوریتم پیشنهادی با DBSCAN مقایسه می شود. نتایج تجربی برتری الگوریتم های پیشنهادی را نشان می دهند

کلیدواژه ها:

الگوریتم های خوشه بندی ، درخت kd ، الگوریتم مبتنی بر تراکم

نویسندگان

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 :
  • L. Kaufman and P. J. Rousseeuw, Finding groups in data: ...
  • M. Ester, H.-P. Kriegel, J. Sander, and X. Xu, _ ...
  • X. W. Xu, M. Ester; H.-P. Kriegel, and J. Sander, ...
  • نمایش کامل مراجع