موازی سازی الگوریتم Kmeans به منظور تولید خوشه های با کیفیت در زمان کمتر

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 917

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:

RSTCONF01_643

تاریخ نمایه سازی: 30 آبان 1394

چکیده مقاله:

در دنیای مدرن امروزی حجم بسیار زیادی از داده ها و اطلاعات در حال تولید هستند که برای جمع آوری این داده ها هزینه های زیادی پرداخت ش ,ود ولی مقدار کمی از این اطلاعات مورد بهره برداری قرار میگیرند؛بنابر این نیاز به سیستمی داریم که بتواند این داده های عظیم را مدیریت کند. این سیستم همان مفهوم داده کاوی است که به ما کمک می کند از مدل سازی کلاسیک و تحلیل مبتنی بر مفاهیم بنیادی، به ساخت مدل ها وتجزیه و تحلیل مستقیم از روی داده ها برسیم. داده کاوی یک مشارکت میان انسان خبره و قابلیت جستجوی کامپیوتر است که در محیط هایی که هیچ گونه تصوری در مورد یک نتیجه مطلوب نداریم، میتواند مفید واقعشود. یکی از روش های مورد استفاده در داده کاوی خوشه بندی داده های موجود است که با الگوریتم های مختلفی انجام میشود وپایه کار بر اساس روش ترتیبی میباشد ؛در این مقاله بر آن شدیم تا ازمفهوم موازی سازی در خوشه بندی داده ها به روش الگوریتم kmeans استفاده کنیم و هدف از این روش پیشنهادی دسترسی به خوشه های با کیفیت است که در عین حال با سرعت بالاتری قابل دستیابی باشند

نویسندگان

پیمان عمادی

مقطع دکترا هوش مصنوعی، گروه مهندسی برق و کامپیوتر،دانشگاه تبریز،ایران

مهسا کریمی

مقطع کارشناسی ارشد مهندسی نرم افزار ،گروه مهندسی برق وکامپیوتر ، دانشگاه آزاد زنجان،ایران

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 :
  • Piotr Kraj, Ashok Sharma, Nikhil Garge, Robert Podolsky, and Richard ...
  • Kittisak Kerdprasop and Nittaya Kerdprasop. A lightweight method to parallel ...
  • نمایش کامل مراجع